基于双阈值Huber范数估计的图像正则化超分辨率算法

多帧图像超分辨率算法利用图像间的互补信息, 可以从一系列具有亚像素位移的低分辨率影像数据中重建出高分辨率图像. 在众多超分辨率算法中, 正则化方法以其求解病态问题的有效性而被广泛应用, 但在此类方法中, 最优估计算子的估计准确度对最后的重建结果有着较大的影响. 本文在现有正则化超分辨率重建算法的基础上, 提出了一种基于双阈值Huber范数的极大似然估计算子, 可以提高Huber范数对于阈值取值的容忍性和算子估计精度; 并给出了基于该算子的正则化超分辨率算法的迭代公式. 通过对仿真图像进行重建, 结果表明算法可有效地抑制各种噪声并保证重建效果; 同时将此算法应用于实际图像的超分辨率重建, 有效地提高了目标影像的空间分辨率. 关键词： 图像处理 图像重建 超分辨率 正则化     

结合同场景彩色图像的深度图超分辨率重建EI北大核心CSCD

针对飞行时间相机获取深度图像分辨率低,并受成像噪声干扰的问题,提出一种插值深度图和高分辨率彩色图像联合约束的二阶广义全变分(TGV)深度图超分辨率重建方法。首先利用传统插值和多尺度形态学方法进行预处理,获取插值深度图的梯度信息,然后将插值深度图和同场景高分辨率彩色图像两者的梯度信息联合,对二阶TGV模型中的正则化项加以优化:计算各项异性扩散张量时结合插值深度图的梯度信息;引入由插值深度图梯度信息决定的加权因子,控制重建过程中扩散强度。最后通过原始对偶算法完成深度图的超分辨率重建。实验结果表明,本文方法在抑制噪声的基础上,有效保护了深度边缘,可以获得较好的高分辨率深度图像。     

结合同场景彩色图像的深度图超分辨率重建

针对飞行时间相机获取深度图像分辨率低,并受成像噪声干扰的问题,提出一种插值深度图和高分辨率彩色图像联合约束的二阶广义全变分(TGV)深度图超分辨率重建方法。首先利用传统插值和多尺度形态学方法进行预处理,获取插值深度图的梯度信息,然后将插值深度图和同场景高分辨率彩色图像两者的梯度信息联合,对二阶TGV模型中的正则化项加以优化:计算各项异性扩散张量时结合插值深度图的梯度信息;引入由插值深度图梯度信息决定的加权因子,控制重建过程中扩散强度。最后通过原始对偶算法完成深度图的超分辨率重建。实验结果表明,本文方法在抑制噪声的基础上,有效保护了深度边缘,可以获得较好的高分辨率深度图像。     

结构光照明显微中的超分辨图像重建研究

近年来,随着各种新型荧光探针的出现和成像方法的改进,远场光学成像的分辨率已经突破了衍射极限的限制。基于结构光照明的荧光显微技术凭借成像速度快、光毒性弱等优点,已成为目前主流的超分辨成像技术之一。实现结构光照明超分辨显微成像的关键在于照明光场的精准调控和后期的超分辨图像重建算法,否则将会在重建的超分辨图像中产生不可预估的伪影,混淆对观测结构真实形态的判断。详细对比了几种典型的结构光照明显微超分辨重建算法,证明基于图像重组变换的结构光照明超分辨图像重建算法可以有效解决极低结构光场调制度下的超分辨图像重建问题,降低结构光照明显微中的激发光功率。     

基于超分辨率重建的图像增强算法研究

 为了提高图像分辨率,从软件的角度出发,对低分辨率图像序列重建高分辨率图像的原理和算法实现开展了研究,提出从多个低分辨率图像序列中获取更高分辨率图像的方法。通过采用基于光流场的金字塔分层结构实现由粗到精的图像配准,获取了亚像素的运动估计。在采用多帧低分辨率图像进行亚像素级配准后,提出采用动态自适应确定正则化参数的方法,构造了简单的正则化代价函数,建立了低分辨率图像与高分辨率图像之间关系的重建模型,仿真实验结果表明该超分辨率重建算法水平和垂直方向上分辨率各增加一倍,与其他算法相比清晰度更高,计算时间不到传统POCS算法的一半。     

基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

压缩感知光谱成像技术的编码孔径与探测器匹配优化

编码孔径光谱成像仪在实际应用中存在着编码模板与探测器分辨率不匹配从而降低系统分辨率的问题。针对该问题进行了两种情况分析,并通过数学理论建模给出了相应的解决方案。对于编码模板分辨率高于探测器分辨率这一情况,提出引入邻域嵌入超分辨技术的方法,实现了基于压缩感知的超分辨光谱成像。对于编码模板分辨率低于探测器分辨率这一情况,提出区块阈值划分的编码孔径,将编码微元按照区块阈值重新划分并进行灰度分级,从而实现低分辨率编码模板的高分辨率编码孔径。利用梯度投影稀疏重构(GPSR)算法进行数据立方体重建,实验结果表明:运用基于超分辨理论的编码孔径快照光谱成像系统所测得的光谱图像更精准,内容更丰富;采用基于区块阈值划分的编码孔径的编码孔径快照光谱成像系统具有更高的空间分辨率和光谱分辨率。结果证实优化后的编码孔径快照光谱成像系统,其分辨率和成像质量大幅度提升,并实现了高分辨率元件的100%利用。     

基于L1范数和正交梯度算子的超分辨率重建

针对超分辨率图像重建的病态问题,设计了一种新的自适应超分辨率图像序列重建算法。该算法在L1范数重建框架下,利用金字塔算法与Lucas-Kanade算法相结合的方法实现图像配准,获得亚像素的运动估计;通过引入移位算子给出了基于正交梯度算子的正则项的实现方法,并从自适应的角度选择正则化参数,最后通过最速下降法求解模型的目标泛函最小值。结果表明:对于模拟实验和真实序列实验,该方法相比于样条插值算法、Tikhonov正则化算法、双边全变差重建算法都有一定的优势,能够取得更好的复原效果,并且由于正则项较为简单,重建所需时间相对减少。     

基于神经辐射场的光场角度域超分辨

由于数据通量限制,光场数据采集存在空间-角度分辨率折中,无法达到诸多应用场景对精细三维重建的要求。本文使用双平面参数化光场数据训练神经辐射场,由神经辐射场生成光场视点平面上新的视点图像,进而实现光场角度域超分辨。由于神经辐射场能够对光场场景进行隐式表达,为高分辨率的四维光场拟合出准确的隐式函数,并将输入变量通过位置编码映射到该变量的傅里叶特征。因此该方法可以准确表达具有复杂不利条件的光场场景,并且能够有效地解决场景高频纹理信息较难拟合的问题。本文通过超分辨光场的角度域信息突破空间-角度分辨率折中、带宽积的限制,在实验中将角度分辨率从5×5提升到9×9,并且峰值信噪比（PSNR）平均提升了13.8%,结构相似度（SSIM）平均提升了9.19%。该研究结果可为后续的光场计算成像工作提供参考。     

基于掩膜的光场采集与重建的研究

针对现有光场采集方式中存在的:相机阵列采集方式的硬件成本高,体积庞大;单相机分时采集光场局限采集静态光场;积分成像光场采集得到的光场空间分辨率低等问题。研究了一种基于掩膜(mask)的光场采集与重建方法。建立了光场采集模型,分析了光场在傅里叶域的成像过程;采用了随机衰减掩膜mask对光场信号进行随机编码,得到了被编码的传感器图像;离线学习了过完备光场字典,结合压缩感知理论对编码的传感器图像进行了非线性优化,重新恢复了原始的光场。     

计算光场成像

光场为三维世界中光线集合的完备表示。通过记录更高维度的光线数据,光场能够准确感知周围复杂多变的动态环境,支撑智能系统对环境的理解与决策。计算光场成像技术围绕光场及全光函数表示,旨在结合计算、数字传感器、光学系统和智能光照等技术,以及硬件设计、软件计算能力,突破经典成像模型和数字相机的局限性,建立光在空域、视角、光谱和时域等多个维度的关系,实现耦合感知、解耦重建与智能处理,具备面向大范围动态场景的多维多尺度成像能力。光场成像技术正逐渐被应用于生命科学、工业探测、国家安全、无人系统和虚拟现实/增强现实等领域,具有重要的学术研究价值和广阔的产业应用前景。然而,伴随着高维数据的离散化采样,光场成像面临空间分辨率与视角分辨率的维度权衡挑战,如何对稀疏化的采样数据进行光场重建成为计算光场成像及其应用的基础难题。与此同时,受制于光场信号的高维数据感知量,光场处理面临有效数据感知与计算高效性的矛盾。如何用光场这一高维信息采集手段,取代传统二维成像视觉感知方法,并结合智能信息处理技术实现智能化高效感知,是实现光场成像技术产业化应用的巨大挑战。对过去20年来计算光场成像装置与算法的研究进行概述和讨论,内容涵盖光场表示和理论、光场信号采集、空间与视角维度重建等。     

微球透镜超分辨显微成像与检测技术综述

受衍射极限的影响,传统光学显微镜的分辨率最高约为波长的一半,突破衍射极限,获得更高的成像分辨率是近年来显微成像领域的研究热点。相比于其他超分辨显微成像方式,基于微球透镜的超分辨显微成像方式具有简单直接、免标记等优点。主要介绍国内外研究团队将微球与传统的光学显微镜结合实现超分辨显微成像的研究进展,从微球透镜参数选择、成像方案、成像分辨率、成像视场及成像机理等多角度进行总结与比对;并结合课题组工作,介绍了将微球透镜与干涉显微技术相结合的三维超分辨检测技术,阐述了Linnik型与Mirau型两种检测光路原理,分析了三维超分辨检测的效果;展望了微球透镜超分辨显微技术在显微成像与显微干涉检测两个方面待解决的问题与发展方向。     

图像超分辨率重建技术与方法综述

图像超分辨率重建可以利用多幅具有互补信息的低分辨率图像重构一幅高分辨率的图像,该技术已经成为图像处理领域的研究热点。介绍了图像超分辨率重建的基本原理,阐述了超分辨率重建技术与其它相关图像处理技术的关系;系统地总结了图像超分辨率重建中常用的运动估计方法、运算方式和质量评价方法。     

基于压缩感知超分辨鬼成像

分辨率是成像系统的一个重要参数, 获得高分辨率图像一直是鬼成像系统的一个目标. 本文提出了以成像系统点扩散函数作为先验知识, 基于稀疏测量的超分辨压缩感知鬼成像重建模型. 搭建了一套计算鬼成像实验装置, 用于验证该模型对于提高鬼成像系统分辨率的有效性, 并与传统的鬼成像计算模型进行了对比. 实验表明, 利用该模型可突破成像系统衍射极限分辨率的限制, 得到超分辨鬼成像. 关键词： 鬼成像 压缩感知 超分辨 稀疏测量     

高分辨率软X射线显微成像原理及其应用

软X射线显微成像具有分辨率高、辐射损伤小以及能够对含水的生物样品直接进行显微成像等独特的优势,目前已成为研究生命科学和生物学等学科中的超微观世界的特殊工具.本文简要介绍基于波带片的高分辨率软X射线显微成像的原理及其应用.     

高精度定量相位显微成像方法研究

定量相位显微成像在工业检测、生物医学和光场调控等领域具有重要的应用价值。常用的定量相位显微成像技术通过干涉的方法来获取相位的定量分布,干涉装置的稳定性、光学衍射极限的限制、相位再现时的解包裹问题、激光照明下的相干噪声,以及动态观测过程中的样品离焦等因素都会影响定量相位显微成像的分辨率和精度。本文围绕高精度定量相位显微成像中的上述关键问题展开研究,通过构建物参共路的同步相移数字全息显微结构实现稳定的实时测量;采用结构光照明的超分辨相位成像方法实现对微小物体的超分辨相位成像;利用双波长照明将纵向无包裹相位测量范围扩大到微米量级;使用低相干LED照明解决相干噪声问题;提出了基于结构光照明和双波长照明的数字全息显微自动调焦方法,可以满足对不同类型样品的长时间跟踪观测。     

图像超分辨率研究的最新进展

图像超分辨率是指从一序列低分辨率观测图像中重建高分辨率图像。图像超分辨率充分利用了各帧图像间相似而又不同的信息。该技术可以广泛应用于遥感、医学成像和高清晰度电视等多个领域。回顾了经典超分辨率算法,介绍了目前超分辨率算法及其扩展研究方向的一些最新进展,指出了图像超分辨率有待进一步研究的几个可能的方向。     

中国科学院生物物理研究所生物成像中心简介

<正>中国科学院生物物理研究所的生物成像中心是中科院蛋白质科学研究平台二期建设当中的重点项目。该中心定位于生命科学研究前沿,致力于实现对生物学对象从纳观尺度到介观尺度的高分辨率三维成像技术,通过对生物超微高分辨率三维结构的研究来回答生命科学的关键问题。目前,该中心集成了超分辨率光学显微技术、低温电子显微技术、三维重构技术、低温扫描微加工技术、单分子荧光成像技术、光电关联显微成像技术以及一系列生物显微成像样品技术,并承担了北京及周边地区生物显微成像技术服务工作,极大促进了相关生命科学前沿研究的进展,成为我国生命科学基础研究的重要支撑平台。     

微结构形貌的光场显微三维重构分辨率增强技术

扫描式的测量技术是目前微结构表面形貌测量的主流技术,但需要高精度的机械扫描、较长的测量时间。针对其问题,结合光场显微技术和傅里叶叠层显微技术,提出了一种分辨率增强的三维重构技术,通过在常规显微成像系统中加入光学编码元件,使用单次曝光而获得被测工件的光学切片序列,基于傅里叶叠层显微技术实现了对切片图像横向分辨率的增强,克服了光场成像技术中的分辨率损失。实验证明,提出的三维重构技术对于微结构表面加工过程的在线测量具有较好的应用前景。