基于学习的人脸图像超分辨率重构算法

提出了一种新的基于学习的人脸图像超分辨率重构算法,利用高分辨率图像和低分辨率图像的拓扑结构相似性,将现有的低分辨率人脸图像在低分辨率人脸图像字典中展开,在保持系数不变的同时将字典换为高分辨率人脸图像字典,最终得到待重构的高分辨率人脸图像.在系数估计时,使用主成分分析的方法,同时加入了最小全变分作为约束,算法充分利用了不同人脸图像之间的相似性和人脸图像本身的内部相关性.实验结果表明,结果既保持了对原有图像的忠实性,又比较适合人眼观察.     

基于半耦合字典的快速图像超分辨率重建算法

为了提高图像超分辨率重建的效率与质量,考虑到高、低分辨率稀疏表示系数的不同,改进了锚定邻域回归算法,并结合半耦合字典学习算法提出了一种快速图像超分辨率重建算法.首先采用半耦合字典学习算法得到高分辨率字典、低分辨率字典及映射矩阵;再采用岭回归算法求解低分辨率稀疏表示系数,并根据高分辨率稀疏表示系数与低分辨率稀疏表示系数之间的映射关系,得到高分辨率稀疏表示系数;然后,根据输入图像块特征寻找字典中与其最相关的字典原子,计算该字典原子所对应的投影矩阵,进行超分辨率重建.仿真结果表明:提出的算法不仅在重建速度上表现更快,重建图像的质量也得到提高,在客观指标和主观效果上均取得更好的效果.     

基于低分辨率图像自举和双重稀疏性字典训练的单幅图像超分辨率重构

该文结合Zeyde等人提出的低分辨率图像自举算法和双重稀疏性字典的训练方法,提出了一种新的单幅图像超分辨率重构方法。该方法在训练字典的过程中,首先对低分辨率训练样本图像采用自举算法进行超分辨率重构,然后将自举重构输出图像与低分辨率、高分辨率训练样本图像求差,并将两幅差值图像的小波分解系数作为样本数据源,训练具有双重稀疏性的字典对。文中详细讨论了结合低分辨率图像自举和双重稀疏性字典训练的单幅图像超分辨率重构算法框架,并通过实验比较证明,该文方法较其他方法具有更好的超分辨率重构效果。     

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.     

基于二维稀疏表示的人脸超分辨率重构算法

在分析人脸超分辨率算法和二维稀疏表示的基础上,提出基于二维稀疏表示的人脸超分辨率重构算法。与一维稀疏表示中将图像块转换为列向量不同,本文考虑到二维图像列与列之间的近邻关系,对图像块进行二维稀疏表示;在字典训练中,对每组图像块的每一列训练高、低分辨率字典,提出二维K-SVD算法对字典进行训练,减少字典训练消耗的时间,同时能够改善超分辨率人脸的质量。采用中科院CAS-PEAL共享人脸图像数据库进行仿真实验,实验结果从主、客观质量均验证了本文算法的有效性及先进性。     

一种基于神经网络的人脸图像超分辨率重构算法

提出了一种基于神经网络的超分辨率重构算法.首先用基于l1范数的最小全变分约束对输入的低分辨率图像进行去模糊处理,得到初始复原图像;再根据结构相似度原则选择初始复原图像在训练集中最相近的M幅图像,并加权求和作为神经网络的初始输出;结合贝叶斯后验概率,用RBF神经网络进行迭代训练,最后输出复原的高分辨率图像.算法充分利用了不同人脸图像之间的相似性,并加入了最小全变分约束,以保持图像边缘的奇异性及非边缘的平滑性.实验结果表明:算法能有效提高下采样及模糊人脸图像的分辨率,具有一定的实用价值.     

基于张量主成分分析的人脸图像压缩与重构

提出了基于张量主成分分析的人脸图像压缩与重构算法,该算法依据K-L变换的原理找到用于图像压缩的投影矩阵,进而对人脸图像进行压缩.同时,也可以通过投影矩阵对人脸图像进行数据重构.通过在FERET和BioID人脸数据库的相关实验表明,与常规的主成分分析算法相比,张量主成分分析算法在同样的压缩比水平上能够实现更优的重构图像,定量分析表明张量主成分分析算法的重构误差和峰值信噪比亦优于常规的主成分分析算法.     

—种使用小波变换的凸集投影超分辨图像重建

凸集投影（POCS）是一种把多帧低分辨率图像重构为高分辨率图像的算法,但是该算法在图像的高频信息恢复和降噪方面不是很理想。在本文中,在凸集投影（POCS）算法的基础上利用小波变换来提取出隐藏在低分辨图像中的高频信息和降低低分辨图像的噪声,可以更好地恢复出图像的细节并提高信噪比。实验仿真的结果表明,此方法在细节重构方面确实更优于凸集投影（POCS）算法。     

基于SVR的人脸图像超分辨率复原算法

本文针对目前大多数基于学习的超分辨率算法由于"分类算法"造成的"量化"误差的问题,提出了基于SVR的人脸图像超分辨率算法.算法首先分别提取训练库中高低分辨率图像块的高频信息和中频信息(差分高斯特征,DoG)作为建立回归关系的特征,依据它们的关系(并考虑人脸的特殊性)使用SVR建立起回归模型.在复原时,将待复原的低分辨率图像的中频特征输入已经建立的SVR回归模型得到需要的高频信息.通过对亚洲人脸库(亚洲人为主)IMDB和Yale人脸库(欧美人为主)的实验结果表明,本文提出的方法对亚洲人脸和欧美人脸都能取得了较好的复原效果,复原的图像在主观的视觉效果和客观的峰值信噪比上都取得较好的结果.     

低分辨率人脸序列的超分辨率重构识别

针对低分辨率人脸序列的识别这一问题,提出了一种超分辨率重构识别算法.该算法利用低分辨率序列中所提供的关于同一人脸的不同信息,先重构出一幅具有更高分辨率的人脸图像,然后再进行基于Gabor特征的人脸识别.实验结果表明,该算法能够显著提高人脸识别率.     

基于偏最小二乘分析的人脸表示与识别

基于偏最小二乘回归分析,提出了一种新的人脸表示与重构方法.与主成分分析相比,通过偏最小二乘所抽取的低维人脸表示特征具有更好的分类性能.在ORL人脸数据库上的实验结果表明,基于偏最小二乘方法对于测试图像进行重构优于主成分分析方法,并且分类结果也好于后者.     

利用对抗性边缘学习模型生成超分辨率图像

大部分基于卷积神经网络的图像超分辨率方法都是采用端到端的模式,这类图像超分辨率方法往往存在重构图像纹理边缘模糊、高频信息缺失的问题.为了改善该问题,在SRGAN(super-resolution generation adversarial networks)的基础上提出了一种基于对抗性图像边缘学习的深层网络模型,将图像边缘信息得到充分利用,来引导超分网络生成更加真实的高分辨率图像.该网络模型由两个生成对抗网络所组成,首先利用一个生成对抗网络来生成低分辨率图像所对应的高分辨率边缘特征图,然后再用高分辨率边缘特征图来约束和引导第二个生成对抗网络,使之重构出来的高分辨率图像纹理边缘更加清晰,更好地恢复图像边缘的高频细节.在Set5、Set14、BSD100、Urban100和Manga109基准测试集上的实验结果表明该算法重构出的高分辨率图像更加接近真实的图像,在峰值信噪比、结构相似度和感知指标上都有不错的表现.     

基于L1范数的贝叶斯超分辨率重建技术在DR图像中的应用研究

超分辨率重建技术作为一种不需要硬件参与的提高图像空间分辨率的方法,已经发展成为图像处理领域的一个重要的研究方向。为提高现有DR(digital radiography)图像的分辨率,通过平板探测器(flat panel detector,FPD)获取低分辨率图像序列,在建立贝叶斯模型框架下,采用一种基于纵向和横向的图像像素一阶差分的L1范数重建高分辨率图像及其参数估计。研究结果表明,该方法能有效提高DR图像的分辨率,具有良好的应用价值。     

一种基于主动轮廓模型的图像分割新方法

针对迭代收敛时主动轮廓模型在图像深凹处难以完全收敛且在较高的图像分辨率下收敛速度缓慢的缺陷,提出了一种基于主动轮廓模型的图像分割新方法.本方法结合了多分辨率与梯度向量流概念,首先在原始图像的低分辨率图像上进行轮廓提取,并将提取到的轮廓作为初始轮廓再在高分辨率图像上进行轮廓提取,最终得到原始图像的轮廓.实验结果表明,本方法在图像深凹处收敛效果良好,且极大提升了收敛速度.     

提高超声C扫描图像分辨率的插值方法研究

根据超声C扫描成像原理,分析了采样间隔对超声C扫描图像分辨率的影响.采用一种基于局部协方差特征的边缘自适应图像插值方法来提高C扫描图像的分辨率,同时将图像局部均方差作为边缘特征判据,使算法得到了简化.该方法根据低分辨率图像的局部协方差估计出高分辨率图像的插值加权系数,能够在放大图像的同时保留图像的边缘特征.试验结果表明,基于局部协方差特征的图像插值方法明显提高了C扫描图像分辨率,并且减小了边缘模糊效应,因此降低了采样间隔对图像分辨率的影响,提高了图像中缺陷分布评价结果的准确性.     

急性运动中超分辨率图像重构方法研究

采用当前急性运动中超分辨率图像重构方法得到的重构图像存在全局误差,导致重构图像质量低下,重构效果不佳。为此,提出一种新的急性运动中超分辨率图像重构方法,设计急性运动中超分辨率图像重构模型,将小波稀疏字典作为急性运动中超分辨率图像重构的理论依据。将低分辨率急性运动图像分割成低分辨率图像块,对无噪高分辨率急性运动图像块相应的无噪低分辨率图像块进行分析。通过OMP方法对稀疏系数进行求解,依据得到的稀疏系数估计出高分辨率急性运动图像块的高频小波系数,将高分辨率小波系数急性运动图像块返回高分辨率小波系数急性运动图像,通过逆小波变换得到最终的高分辨率图像,对全局误差进行修正。实验结果表明,采用所提方法得到的重构图像质量高,重构效果好。     

紫外光度偏最小二乘法同时测定联苯、萘和1-甲基萘的研究

对联苯、萘和1-甲基萘的混合体系的测定问题进行了研究，采用偏最小二乘法（PLS）进行校正和预测，用紫外分光光度计测定其吸光度，不经分离同时测定三种组分的含量，对合成样品的分析，结果令人满意。     

Fusion of multispectral and panchromatic images using multirate filter banks

In this paper, an image fusion method based on the filter banks is proposed for merging a high-resolution panchromatic image and a low-resolution multispectral image. Firstly, the filter banks are designed to merge different signals with minimum distortion by using cosine modulation. Then, the filter banks-based image fusion is adopted to obtain a high-resolution multispectral image that combines the spectral characteristic of low-resolution data with the spatial resolution of the panchromatic image. Finally, two different experiments and corresponding performance analysis are presented. Experimental results indicate that the proposed approach outperforms the HIS transform, discrete wavelet transform and discrete wavelet frame.     

基于分数阶样条小波与IHS变换的图像融合

该文提出用分数阶样条小波和Intensity-Hue-Saturation（IHS）变换结合的方法进行高分辨率全色图像和低分辨率多光谱图像的融合。分数阶样条小波由于具有良好的分数阶逼近性能，在分解图像时可得到更多的细节，而IHS变换在处理图像时会扭曲光谱特性，通过两者的结合，可得到高分辨率、多光谱图像。将该方法和传统‘Daubechies3’小波与IHS变换相结合的方法比较，实验结果证明了分数阶样条小波更多地保留了高分辨率图像的空间特性和低分辨率图像的光谱特性。     

基于模糊基函数变换的PLS及其在软测量中的应用

针对以往非线性偏最小二乘法(PLS)的局限性,提出了一种基于模糊基函数变换的PLS算法,用以解决非线性系统的建模问题.该方法首先通过模糊基函数变换将自变量与因变量之间的非线性关系转化为线性关系,再利用PLS算法进行回归求参,从而有效克服由于模糊基函数变换所引发的维数增加以及多重共线性,使得模型在具有较高拟合精度的同时还能有效地抑制噪声.通过仿真实验进一步验证了该方法的有效性,并将其应用于湿法冶金萃取过程组分含量软测量建模问题,得到了满意的效果.