基于凸集投影和线过程模型的超分辨率图像重建

为了改善超分辨率重建图像的效果，提出了一种基于线过程模型的凸集投影方法。根据先验信息在图像重建中有重要作用的原理，该方法在数据一致性投影的基础上，将描述边缘信息的线过程模型作为图像的一个先验知识，用于重建过程中的平滑性约束投影，从而达到既保存图像的高频分量，又在一定程度上降低平滑区域噪声的效果。实验结果表明，该方法重建结果的视觉效果好于原方法，且信噪比有所提高，尤其是在高抽取率的情况下可以明显减少振铃效应。     

基于改进的POCS算法的超分辨率图像恢复

针对常规的POCS(凸集投影)算法会产生边缘振荡效应这一问题，提出了一种改进的POCS算法，该算法先对图像边缘像素点进行特殊处理，再对图像中其余的像素点进行修正，消除了恢复结果中的边缘振荡效应．将改进的POCS算法与常规的POCS算法进行对比实验，证明了改进的POCS算法的有效性．     

基于投影修正和POCS的图像超分辨率重建

针对超分辨重建技术中传统POCS图像重建算法存在的Gibbs效应问题,提出一种采用投影修正机制抑制Gibbs效应的图像超分辨率重建算法.首先针对初始图像采用方向差分方法获得图像的边缘约束算子;随后在每一次的迭代重建过程中,结合前后重建结果的差值和边缘约束算子设计投影修正算子,并对残差阈值和点扩散函数分别进行修正,从而获得修正后的数据一致性投影过程;最后利用修正的投影过程获得最终重建图像.试验结果表明:改进算法具有较好的峰值信噪比,并且有效抑制了Gibbs效应,具有较好的应用前景.     

基于正则的POCS无源毫米波超分辨率重建

针对无源毫米波图像普遍存在分辨率不高的问题,提出一种基于正则化技术的超分辨率重建方法.在具体的成像模型基础上,对获取的无源毫米波图像序列进行基于正则的凸集投影(POCS)处理.将正则化条件作为POCS的一个凸约束,使得到的高分辨率图像在平滑噪声的同时能很好地保护图像的纹理细节.实验结果表明,该方法还可以提高图像的分辨率,是一种较好的无源毫米波超分辨率重建方法.     

一种改进的单帧图像超分辨率重建的高效算法

根据图像的降质模型,基于凸集投影(POCS)原理,结合降质图像模型,提出一种使用中值滤波初值处理的高效POCS单帧图像的超分辨率重建方法.计算机仿真结果表明,和双线性内插、经典POCS方法比较,改进后的该方法重建图像信噪比平均提高2.1 dB和1.1 dB.     

一种基于约束边界模式的超分辨率图像重构算法

超分辨率图像重构是利用多帧低分辨率图像重构出一幅具有更高分辨率图像.一般的凸集投影算法在放大倍数上升时存在两个问题: 一是计算复杂性急剧上升, 二是边缘振荡效应的加剧导致成像质量迅速恶化.本文针对凸集投影算法, 提出了一种基于约束边界模式的算法.实验结果表明, 新算法能够在有效抑制边缘振荡效应的同时, 较大地提高了重构速度.     

—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。     

超分辨率图象恢复

本文系统论述超分辨率图象恢复的两大类算法,极大熵法和凸集投影法.我们用可变空间域窗法改善了GP算法,并求得最大熵法的一种情况的非线性方程组的近似解.最后给出我们的实验结果.我们还在一维情况下当收到信号的分辨率比原信号低几倍时进行极大熵恢复也得列满意的结果.     

MAP和POCS算法实现超分辨率图像的重建

在目前超分辨率图像融合算法中,凸集投影法（Projections onto Convex Scts,POCS）和最大后验概率（Maximum A Posterior,MAP）是最为成功的两种。但它们都存在着自身无法克服的局限性。在充分分析了两者的优、缺点的基础上,把凸约束结合到MAP算法里面,使得图像融合结果有着它们两者的优良属性。实验结果证明了算法的有效性。     

基于投影的静态超分辨率优化算法研究

图像超分辨率复原是指从获取的一幅或多幅低分辨率图像,通过相应的图像超分辨率算法来获得一幅清晰的高分辨率图像。本文提出使用投影法优化现有的超分辨率算法,并与插值方法进行比较,最后得出实验结果。     

改进的有参超分辨率图像盲恢复

改进了有参超分辨率图像盲恢复中的边界与正则处理以及模糊参数估计方法,用交替迭代优化来估计模糊参数和高分辨率图像,用Neumann边界图像模型和修改边界像素来避免边界错误,用近似重排系统矩阵的带结构矩阵,来构造求解高分辨率图像的预处理共轭梯度算法。人工退化图像序列上的实验结果表明了改进方法的有效性。     

基于L-曲线正则化的MAP超分辨率图像复原

提出一种基于L 曲线正则化参数选择方法的最大后验 概率超分辨率图像复原算法. 该方法将最大后验概率估计和L-曲线正则化参数选择方法相结合, 可以有效地减少和去除复原图像中的噪声, 提高图像复原质量, 并具有较好的超分辨率复原能力.     

基于正交离散小波的超分辨力图像复原算法

利用正交离散小波变换,通过最小化广义交叉确认函数求取小波变换渐近最优阈值,与L-R超分辨力图像复原算法结合,提出了基于正交离散小波变换的L-R法(WL-R)和单次运算小波变换的L-R法(SWL-R).算法能够较好地复原信噪比较低的图像细节,SWL-R只需1次处理过程,在保证复原处理快速有效的基础上,减少了L-R算法的大量迭代运行时间,适合于实时化的超分辨力图像处理,具有广泛的应用前景.     

具有边缘保持特性的POCS 超分辨率图像重建方法

为解决利用经典的POCS(Projection onto Convex Set)算法进行图像重建时所产生的边缘模糊问题, 提出了具有边缘保持特性的POCS 超分辨率重建算法。根据待插值点的邻域特征判断该点所在区域是边缘区域还是非边缘区域, 利用改进的双线性插值算法构建参考帧, 减小了传统算法重建后图像边缘的模糊现象。结果表明, 该方法能得到具有较好边缘质量的高分辨率重建图像。     

引入格式塔理论的超分辨率图像重建技术

超分辨率图像重建是一个不适定问题,学术上富有挑战性,在影像处理、高分辨率对地观测等领域具有广泛的用途,其目标评价特性与格式塔理论关于视像认知的相以性、共性线、同趋性等高度吻合.本文引入格式塔理论,在国际图像与视频压缩标准JPEG2000、MPEG-4推荐的提升小波分解与重建框架下,开展重建级大于分解级的超分辨率图像重建模型与算法研究,有如下三方面的贡献:1)对高频信息进行高精度估计,重建获得超分辨率图像,最高频系数置零的小波变换去噪为超分辨率图像重建提供了一个逆向成功的范例;2)遵循格式塔理论,对边缘轮廓、纹理及高频细节信息进行重建;3)建立了带格式塔约束的超分辨率图像重建优化模型框架,体现了人类视觉评价指标.     

基于修正点扩散函数的超分辨率复原算法

针对传统的超分辨率复原算法边缘保持能力不足,存在振铃效应等问题,提出了基于修正点扩散函数的凸集投影超分辨率复原算法.首先,检测参考图像的边缘;然后,对传统的点扩散函数加一个权值因子进行修正,将点扩散函数分为0°、22.5°、45°、67.5°、90°、112.5°、135°、157.5°8个方向,达到在边缘部分降低点扩散函数作用范围的效果;最后,利用改进的点扩散函数迭代修正参考帧,直到估计灰度值与实际灰度值的误差小到一定范围或达到设定的迭代次数,退出迭代,得到超分辨率复原图像.复原图像的质量采用峰值信噪比、均方误差和结构相似度进行评价.实验结果表明,两类测试图像的峰值信噪比提高范围为3.46～6.91 dB、均方误差降低范围为43.47 ～87.82、结构相似度提高范围为0.050 8 ～0.381 7.提高了超分辨率复原的边缘保持能力和复原图像的质量.