基于深度反向投影的感知增强超分辨率重建模型

以SRCNN(super-resolution convolutional neural network)模型为代表的超分辨率重建模型通常都有很高的PSNR(peak signal to noise ratio)和SSIM(structural similarity)值,但其在视觉感知上并不令人满意,而以SRGAN为代...     

MAP序列多帧图像超分辨率复原

序列多帧图像的超分辨率复原是由一序列低分辨率图像来估计一幅高分辨率图像的技术。介绍了序列图像的成像观测模型,给出了一种随机微扫描亚像素运动估计的方法,采用最大后验概率法进行了图像的超分辨率复原,对仿真结果进行了分析和比较。     

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。     

多帧距离选通图像点扩散函数估计的超分辨率重建

为了解决水下激光距离选通图像成像过程中退化模型复杂的难题,提出了利用连续帧图像估计点扩散函数的距离选通超分辨成像方法。首先,从连续帧图像中选取一帧为参考帧作为初始清晰图像,下一帧图像为模糊图像,用梯度约束的方法求出点扩散函数,用于优化清晰图像;然后,依次将后续帧图像当作模糊图像与清晰图像交替迭代求取点扩散函数并优化更新清晰图像;最后获得的清晰图像与参考帧图像用乘法更新的方法估计点扩散函数,结合凸集投影法算法进行超分辨率成像重建。仿真实验结果表明,改进的算法重建图像分辨率和质量明显优于原始的算法。     

基于多相组重建的航空图像超分辨率算法

为提高航空图像的空间分辨率, 提出一种基于多相组重建的超分辨率算法. 融合图像间的互补信息, 将多帧低分辨率图像作为图像基, 参考帧分解为多相组, 利用差异采样特性构建图像基与参考帧之间的的多相组线性关系重建得到高分辨率图像的多项组, 经图像多相分解逆变换获得融合的高分辨率图像. 根据该融合图像的局部内容和结构信息自适应调整控制核核函数, 应用改进的控制核回归算法去除图像模糊和噪声得到清晰的超分辨率图像. 与传统算法相比, 该算法无需图像配准和迭代过程, 计算效率极大地提高. 实验结果表明, 本文算法能够有效提高航空图像的空间分辨率, 在定量评价指标和主观视觉效果方面都有显著提高.     

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。     

由少量投影数据快速重建图像的迭代算法

针对由少最角度的投影数据重建CT图像的问题,提出了一种改进的基于图像总变差最小的迭代重建算法.该算法采用共轭梯度法求图像总变差最小,并在迭代过程中采用了多分辨迭代技术.用模拟的投影数据和实际扫描数据进行了重建数值实验.实验结果表明该算法不但提高了重建图像质量,也同时显著提高了迭代图像的收敛速度.     

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     

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.     

一种基于改进频域图像配准技术的超分辨力图像处理方法

为提高光电成像系统的空间分辨力,提出了一种基于改进的频率域图像配准技术的超分辨力图像处理方法。首先利用改进的频域图像配准方法估算出低分辨力图像之间的微位移量,然后采用Papoulis-Gerchberg超分辨力处理方法完成图像复原。利用不同重构方法进行了仿真及实验研究,给出了评价参数。模拟和实际显微热图像的处理结果表明:该算法可使图像质量得到改善,分辨的细节更多,可有效地提高光电成像系统的空间分辨力;处理算法简单,计算量小,可实现快速处理。该算法还可应用于其他不可控光学微扫描成像系统中,具有广泛的应用前景。     

基于模糊松弛迭代的分层图像增强算法

映射函数的研究是图像增强技术的关键,模糊松弛技术利用模糊函数建立其映射函数,通过设置该算法的模糊松弛参数可以达到对图像可控增强处理的目的。为了实现针对不同层次的图像内容实现可控式模糊增强,提出了多层次交互迭代的模糊松弛图像增强算法。通过分析各子层图像的直方图,分别设定各子层的模糊松弛参数,并建立对应的模糊松弛映射函数;分别对各子层图像进行可控迭代增强,选择合适的迭代次数作为终止条件。给出的实验结果证明了该算法能够取得较好的增强效果。     

基于序列图像的运动目标实时检测方法

运动目标检测是当前进行图像分析和理解以及在计算机视觉领域研究的热点,它被广泛地应用于靶场测量、目标监视、视频压缩、车辆跟踪和航空航天等领域。在参考大量文献资料的基础上,系统研究了近年来国内外已经比较成熟的一些算法,并把它们分成了7类。     

结合Harris与SIFT算子的图像快速配准算法

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。     

基于旋转SURF算子的图像配准新方法

针对SURF算法中快速Hessian矩阵行列式检测出的特征点的不连续现象,从而造成的旋转,模糊和光照变化适应性较差的不足,提出一种旋转SURF检测算子的图像配准新方法。该算法通过将SURF算法的积分图像盒子滤波模板逆时针旋转45度,引入一种可以检测角度旋转的滤波核提升检测算子对不同图像变换的匹配性能,保证新的检测算子与原算法较好的结合,同时利用改进的单纯形算法依据输入图像进行参数优化。仿真结果表明,该方法不仅保留了算法的速度优势,缩短了配准时间,而且在图像模糊变换,光照变换和JPEG压缩变换方面性能有明显的提升,此外对视角变换以及小尺度变换性能也有提高。     

基于序列图像的小目标检测

 针对序列图像中小目标的运动具有运动的连续性和轨迹的一致性等特征,提出了采用单帧检测和多帧检测相结合的处理方法。对单帧图像进行预处理和图像分割,得到去掉大部分背景和噪声点的图像,并在图像中选取候选目标点进行标记。然后对处理后的序列图像进行N帧叠加。对叠加图中的标定点利用8邻域搜索法进行目标筛选,进而检测出目标。实验结果表明,该方法实用性强,能简单、快速、有效地检测出序列图像中的运动小目标。     

实时图像增强算法研究

图像增强是图像处理最有吸引力的领域。在嵌入式视频图像处理系统中,图像增强后的效果和图像增强的实时性是决定算法优劣的两个关键问题。而恰当的图像增强算法和高效硬件平台的合理搭建是解决问题的有效途径。在研究多种实时图像增强算法基础上,本文在matlab平台上对三种典型的增强算法进行算法仿真,即直方图均衡增强算法、基于照度-反射模型的同态滤波增强算法、基于小波变换增强算法。并对仿真结果进行分析,比较各算法的优缺点,指出了其最佳的应用场景和最高效的硬件实现平台,以期从中总结出一套行之有效的实时图像增强算法的应用指导规则。     

复杂地物条件下基于线特征的异源景象匹配

为了寻求应用于复杂地物条件下异源景象匹配的算法,使其满足尺度和旋转不变性,受视觉成像系统的启发,利用初始简图可以表征图像大部分信息的特点,提出了一种新的基于线段对的异源图像匹配算法。首先,提取并筛选图像中能够表征图像信息的线段;然后,利用线段自身信息及线段的相对位置关系构建线段对特征;接着,通过线段对之间的相似性对图像进行粗匹配;最后,利用线段之间的拓扑关系进行精匹配。实验表明,本文方法对具有旋转、缩放和平移变换的异源图像的匹配正确率达到了75%以上,运算时间是传统匹配算法的1/5左右,基本满足了异源景象匹配应用对算法实时性和准确性的要求。     

基于位相相关检测的图像配准算法

分析了传统的傅里叶-梅林变换和最近提出的虚拟极坐标傅里叶变换算法在户外图像注册中的局限性,提出了一种更加适合户外摄像机姿态注册的基于对数傅里叶变换的图像配准算法。该算法能够独立地计算沿两坐标轴方向的不同缩放因子和计算两图像间较大的旋转角度,扩展了基于傅里叶变换的图片配准算法的实际应用范围。在关键技术研究方面,提出了由升余弦函数构成的低通滤波器和一种快速收敛的角度搜索技术,使该算法达到了很高的效率和鲁棒性。