融合低秩和稀疏表示的图像超分辨率重建算法

针对现有图像超分辨率重建算法收敛速度慢、易受噪声影响的问题,结合低秩矩阵恢复与稀疏重建理论,提出了一种新的单幅图像超分辨率重建算法。对于待重建的退化图像,首先进行低秩恢复,得到含有原始图像大部分信息的低秩部分和主要由噪声组成的稀疏部分,然后对低秩部分利用学习的高低分辨率字典对进行稀疏重建。实验结果表明:本文算法对噪声鲁棒,运行速度快,图像视觉效果更佳;相比基于稀疏表示的统计预测模型(SPBSR),本文算法的峰值信噪比指标平均提高了4dB。     

一种MRF-MAP框架下的图像超分辨率重建方法

基于多帧观察样本的超分辨率图像重建是超分辨率图像重建研究中的重要方向.在马尔科夫随机场最大后验概率(MRF-MAP)框架下研究了多帧图像的超分辨率重建问题.根据给定的空间图像退化模型建立了超分辨率重建的二阶能量函数,并利用α-expansion图切算法对能量函数进行求解.考虑到α-expansion算法的规范性要求,将能量函数进行近似.针对二阶能量函数的图切算法,讨论了s-t图的构造,给出一种节点的分配方法以及t-link和n-link的赋值方式,以提高图切算法的计算效果.通过对两种类型的图像进行超分辨率重建的对比实验,表明该方法具有较好的去噪及重建效果.     

全局重建和位置块残差补偿的人脸图像超分辨率算法

针对传统基于学习的人脸图像超分辨率算法存在高频细节信息损失过多问题,提出一种全局重建和位置块残差补偿相结合的人脸图像超分辨率新算法.首先利用高、低分辨率训练集所有样本,使用基于权值学习的全局重建算法得到初步的人脸图像,再结合图像模糊和下采样过程,产生高、低分辨率残差图像训练集,最后使用基于位置块的残差补偿算法,对初步的人脸图像进行高频细节补偿得到最终结果.对比实验结果表明,相比同类基于学习的人脸图像超分辨率算法,在将人脸图像分辨率提高4×4倍的情况下,新算法的平均峰值信噪比可提高0.65～3.55dB,可以更好地重建出局部高频细节信息.     

超分辨率重建算法综述

超分辨率重建是指由同一场景的低分辨率退化图像,运用相应的算法重建一幅清晰的高分辨率图像。然而,传统的基于插值、基于重建和基于学习的方法已很难获得进一步的突破。近年新兴的过完备稀疏表示是一种新的图像表示模型,它为解决超分辨率重建中的难点问题提供了新的思路。本文通过分析超分辨率技术的以往研究和最新进展,着重讨论了各算法在重构时的优缺点,并对未来超分辨率重建技术进行了展望。     

一种改进的在线字典学习图像超分辨率重建算法

为提高重建图像的质量,详细表达图像高频细节信息,提出了一种改进的在线字典学习图像超分辨率重建算法.该算法在稀疏重建的字典训练阶段,采用在线字典学习以获取最优的超完备字典.在稀疏系数表示阶段,考虑图像多尺度间的冗余信息,构造L1范数正则项补偿对,抑制稀疏系数噪声提高重建效果.实验表明,该算法可更好地恢复图像细节,在客观评价和主观视觉感知上图像的重建质量均有所提高.     

基于字典学习的超分辨率显微CT图像重建

为提高显微CT重建图像的空间分辨率,提出了一种基于字典学习的超分辨率图像重建算法.首先,将重建图像进行网格细化,并使用面积权值模型实现对投影过程的精确建模.然后,选择高质量的图像作为训练样本,采用K-SVD算法构建图像字典.基于该图像字典,利用正交匹配追踪算法实现对重建图像的稀疏表达,并以此作为稀疏项约束引入到重建算法的目标函数中.最后,使用梯度下降法求解目标函数.实验结果表明:与传统的基于插值的超分辨率重建算法相比,所提算法的超分辨率结果在图像对比度、边缘保持方面具有优势,并且保留了更多的图像高频信息,从而有效提高了重建图像的空间分辨率.     

自适应估计模糊参数的最大后验概率超分辨率复原算法

为降低最大后验概率(MAP)超分辨率图像复原算法中模糊参数调整的复杂度,减少迭代运算量,提出了一种超分辨率复原新算法.先抽取一幅低分辨率图像作为参考图像,用其余低分辨率图像估计参考图像,通过训练模糊参数使估计的均方误差最小,自适应地估计最佳模糊参数.然后根据高分辨率图像和参考图像计算多项式之间的可类比性和估计误差变化的线性相关性,将训练结果直接用于超分辨率复原.复原时先利用最佳模糊参数将全部的低分辨率图像信息融合到高分辨率初始图像中,改进了复原运算的处理流程.相对于其他MAP复原算法,新算法不需要人工调整模糊参数,并且只需3次迭代即可获得稳定解,大大减少了迭代运算量.对真实图像序列的实验结果表明,新算法更好地保持了图像细节,复原图像的纹理更清晰.     

基于特征补偿的深度神经网络重建超分辨率图像

为有效恢复图像的高频信息,本文提出一种基于特征补偿的深度神经网络重建超分辨率图像方法.该方法结合密集型深度卷积神经网络和残差网络,并将原图像的高频信息单独提取上采样后与重建后的超分辨率图像融合形成高频特征补偿,使得图像质量提升.通过实验对比,本文算法相比于SRCNN算法重建出的超分辨率图像效果提升约1 db.     

基于退化模型和邻域嵌套的彩色图像超分辨率自适应重建

为有效提升图像质量,提出一种基于图像退化模型和邻域嵌套的彩色图像超分辨率重建算法.通过退化模型在彩色空间上得出图像超分辨率重建训练集,并根据此训练集进行图像邻域分块.为了在训练过程中抑制噪声并锐化图像中的边缘信息,提取训练集亮度和梯度特征并进行特征融合.为了有效提升重建算法的自适应性,引入图像重建优化参数和边缘信息参数...     

运动模糊图像的PSF参数估计方法的改进

运动模糊图像的恢复就是利用关于动力模糊退化的先验知识来重建原图像,其中准确估计点扩散函数（PSF）参数是决定图像恢复效果的前提条件。本文主要研究运动模糊图像PSF参数的估计方法。针对基于霍夫变换的运动模糊角度估计法进行改进,增加了平滑滤波、频谱优化等预处理步骤,并且结合改进后的灰度估计运动模糊距离。通过实验仿真,本文改进的算法与R．Lokhande提出的算法相比,无论是模糊距离还是模糊角度的识别都得到了提高。     

基于DCT域采样和重建的低码率图像压缩算法

本文构建了一种基于DCT域采样和超分辨率(Super Resolution, SR)重建的低码率图像压缩编码算法。在编码端对原始图像进行分块离散余弦变换（DCT）,并提取每个DCT系数块的低频系数,然后再反变换到空间域,从而得到在DCT域下采样的低分辨率（Low Resolution,LR）图像块。用JPEG标准对下采样图像块编解码后,采用基于学习的方法恢复DCT域高频系数,重建出高分辨率（High Resolution, HR）的图像。实验结果表明,在码率较低的情况下,本文算法比JPEG编码标准具有更好的率失真性能;同时,在相同码率下,本文算法重建的解码图像视觉效果更好。     

一种高清帧内预测单元快速选择算法

针对高效视频编码标准提出一种CU划分快速终止算法.该算法选择图像纹理复杂度作为特征向量,将HEVC帧内预测与k-means聚类方法相结合,通过每种尺寸CU的聚类中心减少率失真优化的次数,提前终止CU块的划分,在达到降低编码复杂度的同时依然保持较好的编码效率.测试结果表明,本算法与参考算法HM10.0相比较,视频图像质量基本不变,而编码时间大幅减少.     

显著边缘直接引导的动态模糊图像盲复原方法

针对主动视觉中运动载体和云台抖动导致图像模糊的问题,提出一种显著边缘直接引导的动态模糊图像盲复原方法。为了克服经典 Canny 算子只能对边缘进行标注的缺陷,设计了图像边缘搜索-增强算法,并基于此提出了仅依据图像中显著边缘邻域完成点扩散函数优化估计的方法;为解决传统残差图像方法不能适应预测图像错位的问题,提出图像解模糊的递归残差修正算法来抑制复原图像波动;设计了图像复原的分层迭代处理流程,保证模糊图像复原的可靠性和精度。理想光照条件下的仿真表明,算法能准确恢复模糊图像的边缘,同时抑制复原图像中的波动。非理想光照条件下的仿真也验证了算法对环境有良好的适应性,具有较高的实际应用价值。     

基于边缘检测的块分类水印算法

文章阐述了感知特性在水印技术中的重要应用,提出一种基于边缘检测的块分类自适应水印算法,把原图像分块,通过计算图像块中边缘点的数量进行分类。根据分类结果,不同强度的水印分量被嵌入到不同图像块的DCT低频系数中去。试验结果表明,该方法具有计算简单、感知效果好及鲁棒性强等特点。     

无参考JP EG压缩图像质量评价改进算法

针对传统JPEG压缩图像质量评价算法存在高计算复杂度的问题,通过改进经典的JPEG压缩图像质量评价算法,以无参考为基础,提出一种快速有效的质量评价算法。该算法将人眼视觉系统特性引入到图像质量评价体系中,利用局部方差选取人眼感兴趣图像块代替整体图像,并只针对感兴趣图像块做特征提取处理,计算得出3个图像的特征值,最后将所有特征值整合为一个评价值,获取原始整体图像的客观质量评价参数。仿真测试结果表明,与传统整体图像JPEG压缩图像评价算法相比,该算法皮尔逊相关系数提高0．01,与主观评价结果更为一致;运算速度提高一倍,降低了运算复杂度。     

一种基于离散小波变换的数字水印算法

提出了一种基于离散小波变换的数字水印算法,水印采用有意义的二值图像.该算法是基于块的离散小波变换,即将原始图像和水印都分块后,再对各个块进行小波变换,利用混沌发生器将水印各块置乱后嵌入到图像的中频部分.试验结果表明,该算法具有较好的不可感知性和鲁棒性.     

一种新的基于破损区域分块划分的图像修复算法

针对破损区域较大、结构信息复杂的图像修复难题,在分析手工修复方法的基础上,提出一种基于破损区域分块划分的图像修复算法。根据边界线破损而断裂的图像,先估算破损区域边缘各断裂边界线的走向;再将同一条边界线的各断裂边界线进行平滑连接,可将破损区域划分成不同的块;然后分别计算各块的优先等级;并利用BSCB算法,按优先级对各块进行修复;最后,将算法与BSCB算法及近年来提出的图像修复算法进行比较。结果表明,所采用的图像修复算法修复结果图像结构信息更清晰、图像边界过渡更自然、更符合视觉感知;并具有更高的峰值信噪比。     

基于多尺度超完备字典的飞机目标检测算法

天空背景的复杂性与飞机目标的多样性,对基于传统目标检测算法的飞机目标检测带来了巨大的挑战。本文基于图像的稀疏表示理论,提出了基于多尺度超完备字典的飞机目标检测算法。算法综合了不同尺度下超完备字典各自的优点：利用低分辨率图像块学习小尺度字典,构造小尺度分类器,在低分辨率测试图像中完成前景粗检测;利用高分辨率图像块学习大尺度字典,构造大尺度分类器,在高分辨率测试图像中完成前景精检测;最后通过飞机图像块学习飞机目标字典,构造飞机目标分类器,完成前景目标分类。实验结果表明,算法能有效完成天空背景下的飞机目标检测任务,时间开销与小尺度字典目标检测相当,但在精度上逼近大尺度字典目标检测。     

基于最小二乘法的卫星相机MTF测量

对于对地观察卫星而言,为了定量评定其成像质量,对其MTF进行测量是非常重要的,它为比较不同卫星的性能提供了理论依据。一般的在轨MTF测量主要是对已知目标进行成像,由于天气和图像混叠的影响,这种方法对星载程序带来了很大限制。本文提出使用最小二乘法测量星载相机的MTF．对同一景物两次成像．一次采用高分辨率模式．另一次使用低分辨率模式,当两者分辨率比值足够高时,就可以通过将高分辨率图像与一个点扩散函数卷积和乏采样模拟得到低分辨率图像．并通过迭代使模拟图像与实测低分辨率图像的差在最小二乘意义下达到最小,以此得到点扩散函数。一旦迭代过程收敛,通过对点扩散函数进行傅立叶变换即可得到待测低分辨率图像的MTF。     

指纹图像增强算法的改进

为提高Gabor滤波算法的运行效率,改善指纹图像的增强效果,提出一种改进的Gabor滤波实现方法。该方法将指纹图像分割成小块,以各小块中心点的方向和脊频作为块中每一点的方向和脊频,并对块方向进行量化,以量化方向序号为索引调用滤波模板对指纹图像滤波。滤波结果表明：改进的算法对指纹图像增强效果明显,处理速度快,对于质量较差的图像也具有较好的增强效果。