基于块对称对叠的多幅图像超分辨率重建算法

在进行图像超分辨率重建时,使用多幅图像比使用一幅图像能够得到更好的效果;但是目前基于多幅图像的超分辨率重建算法普遍存在重建速度慢、重建质量不够理想的问题。为此,构造了一种基于块对称对叠(PsyCo)的多幅图像超分辨率重建算法。首先对低分辨率图像序列进行基于ORB的图像配准,再对配准后的图像进行PSyCo重建,最后对重建的图像进行像素灰度最大值融合。实验结果表明,提出的重建算法具有更好的重建效果;并且具有较快的重建速度。     

基于Keren改进配准算法的IBP超分率重建

提出了一种基于Keren改进配准算法的迭代反投影(iterative back-projection,IBP)超分辨率重建算法.该算法克服了Keren迭代配准算法基于小角度旋转的局限,并在迭代运算过程中引入了权重因子和阈值.权重因子有效地控制了算法的收敛速度,提高算法的稳定性.阈值的引入使得算法效率更高,配准结果更加准确.通过Keren改进配准算法进行配准,再通过IBP算法对配准后图像序列进行超分辨率重建,仿真结果表明,基于Keren改进配准算法的IBP重建具有良好的超分辨率重建效果.     

基于R滤波器的超分辨图像配准算法

图像配准是超分辨率图像重建的关键.提出了一种基于R滤波器的超分辨率图像重建的三步算法.第一步:对原图进行加窗模糊;第二步:根据全局运动模型配准,计算平移参数和旋转角度,对图像进行平移和旋转;第三步:把序列低分辨率图像配准到同一个坐标系中,重构高分辨率图像.实验表明,三步算法的配准精度和超分辨率图像重建效果较好.     

结合小波金字塔的空频域亚像素图像配准

基于图像序列的超分辨率重建,是利用同一场景的多幅低分辨率图像重建一幅高分辨率图像,其实现过程可分为两个步骤:首先,利用亚像素图像配准技术将所有的低分辨率图像配准;然后,利用配准的多幅图像重建一幅高分辨率图像.针对配准这一问题,提出一种新颖的图像亚像素配准方法.新方法先将Haar小波分解出的低频子图应用频域Vandewalle方法进行初步配准,然后结合空域Keren改进方法进一步提高配准精度,同时利用金字塔在不同层上分别实现亚像素配准,并逐层累加配准结果.实验结果表明,即使在较大的平移和旋转情况下,相比只有空域Keren改进方法和只有频域Vandewalle方法,该方法的配准精度和超分辨率重建效果都得到明显提高.     

基于Keren配准和插值的快速超分辨率图像重建

为提高图像超分辨率重建技术实时应用的可能性,增强其对配准误差的容忍度,提出了一种基于Keren配准和插值的快速鲁棒超分辨率图像重建算法.该算法将配准后的低分辨率图像根据变换参数映射到高分辨率网格上,再利用模板卷积迭代地填充缺失像素值,从而重建一幅高分辨率图像.将文中算法与非均匀插值法、凸集映射法、鲁棒的迭代后向映射法和...     

输电线红外图像超分辨率复原方法

针对因相机抖动而影响输电线红外图像超分辨率复原效果的问题,提出结合SIFT(Scale Invariant Feature Transform)特征配准信息对低分辨率的输电线红外图像进行超分辨率复原.以4个相邻图像帧为例,首先选定一帧作为参考帧,将其他3帧与该帧图像进行SIFT特征配准,配准过程为特征点检测与初配准、RANSAC (Random Sample Consensus)去除误配准点和图像重采样.然后,对参考帧与图像重采样后的3帧图像进行超分辨率复原.实验结果表明,该算法与传统的超分辨率复原算法相比,重影率下降41％,具有更好的超分辨率复原效果.     

一种用于超分辨率重建的自适应块匹配算法

提出了一种基于自适应块匹配的超分辨重建算法。首先根据相邻运动块之间的相关性来预测搜索块,然后利用图像的运动特性自适应地选择合适的搜索模式,最后采用最大后验概率估计算法对配准后的图像进行超分辨率重建。该算法可以有效减少搜索匹配点的个数,极大提高搜索速度,并且能够获得与全搜索算法同样高的配准精度,具有较大的峰值信噪比。实验结果表明,所设计算法能获得较好的视觉效果与重建效果,具有一定的实用价值。     

基于外存和凸集投影法的遥感图像超分辨率方法

利用超分辨率重建技术来提高遥感图像的空间分辨率,成本低并且可充分利用现有的数据。但必须要解决好三个问题:1)如何实现高精度的自动配准;2)如何仅用2～3张图像进行快速准确重建;3)如何快速鲁棒的处理大尺寸图像。针对上述问题,该文在以下两个方面对传统的图像超分辨率方法凸集投影法(POCS)作了改进:首先,采用SIFT特征进行图像配准,并利用层次结构kd-tree加速特征匹配;其次,提出了一种基于外存的策略,实现了大尺寸遥感图像的超分辨率重建。通过实验可以看出,使用该文方法,仅用2帧原始图像就可高效的重建出一幅具有更多细节特征的图像,图像质量比原始图像有了明显提高。     

基于多幅图像的超分辨率重建方法分析

图像超分辨率重建是指从一幅或多幅低分辨率、低质量图像中产生高分辨率、高质量图像的数字信号处理技术.本文分析了基于多幅的图像超分辨率重建方法,并讨论了目前基于多幅的图像超分辨率重建有待解决的问题.     

基于高能量偏移点特征的低分辨图像配准算法

当分辨率很低时,用于图像配准的常用点特征(如角点、SIFT特征等)不明显,对应的图像配准难以正常进行。针对这一问题,本文探讨一种多尺度高能量偏移点特征配准算法,该算法以图像中偏移局部能量均值较大的点作为特征,并采用经典SIFT特征的描述方式,完成低分辨图像配准。实验结果表明,该特征稳定性好,能够有效应用于低分辨率图超分辨重建领域。     

基于互信息和小波分解的混合优化医学图像配准

提出一种新的基于互信息和小波分析的混合优化配准算法,在最低分辨率下用模拟退火算法进行全局优化,在高分辨率下采用Powell算法进行优化.结果显示:该方法用于医学图像配准,并与已有的传统方法进行分析比较,具有良好的全局优化性能和时间性能.     

大倍数超分辨率图像重构的通用快速算法

为了解决超分辨率图像重构的计算复杂性随着放大倍数的加大而呈指数规律急剧上升这一问题，文中提出了一个通用的快速超高分辨率图像重构算法．该算法利用各低分辨率图像之间的位移关系将所有低分辨率图像进行分组，然后分别对每个组进行超分辨图像重构，并重复此分组重构过程直至获得预期的分辨率．实验结果表明，该快速算法能够在保持重构效果基本不变的同时，较大地降低超分辨率图像重构的计算复杂性。     

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.     

基于迭代复数模型的多图像无损同步加密算法研究

当前的多图像加密算法都是将多个明文压缩成一幅图像,再进行加密;但压缩易产生块效应。对此,避开压缩,设计图像复数模型,将多个明文以复数形式叠加成复合图像,提出了基于迭代复数模型的多图像无损加密算法。引入DCT(discrete cosine transform)与ZigZag扫描,将多个明文演变为矩阵;设计迭代图像复数模型,将多个矩阵转变成一个复数矩阵,形成实部与虚部;借助Tent混沌映射扰乱复数矩阵的实部与虚部;通过IDCT(inverse discrete cosine transform)机制,形成复合置乱图像;再结合优化序列,构造加密函数,对复合置乱图像进行扩散。通过提取复数矩阵的实部与虚部,即可得到解密图像,彻底消除了失真现象。仿真结果显示:该加密机制高度安全,密文实部与虚部截然不同;且与当前多图像加密机制相比,算法几乎无失真,解密质量更高,显著消除了块效应。     

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。     

基于生成对抗网络与噪声分布的图像超分辨率重建方法

现有的图像超分辨率重建方法都较少考虑真实低分辨率图像中包含的噪声信息,因此会影响图像的重建质量.受真实图像去噪算法的启发,本文引入一个噪声分布收集网络来收集低分辨率图像的噪声分布信息,并采用生成对抗网络的模型设计,提高含噪声图像的重建质量.噪声分布信息会分别输入到超分辨率重建网络和判别网络,在重建过程中去除噪声的同时保证有用高频信息的恢复,另外由于判别网络的能力对整个模型的性能有着重要影响,选择使用 U-Net 网络来获得更好的梯度信息反馈.与经典图像超分辨率重建算法的对比以及消融实验表明,使用噪声收集网络和 U-Net 判别网络后,本文模型在噪声低分辨率图像重建任务中获得了更好的性能.     

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.