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。     

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。     

一种柔化锯齿的超分辨率图像重建方法

基于锯齿会导致图像边缘长度增加的认识,通过减小边缘长度来抑制甚至消除图像锯齿,从而达到边缘锯齿被柔化的效果.受图像分割算法几何切的启发,首先提出一种新的图像边缘长度先验模型,该先验模型扩展了几何切的概念,使用全邻域系统,得到一种更具有实际意义的边缘长度的定义.然后把这个先验项连同图像似然项作为超分辨率图像重建的目标函数,并且通过最速下降法来极小化这个目标函数,从而达到减小边缘长度的目的.从实验结果可以看出该边缘长度先验模型具有一定的收敛性,并且边缘锯齿得到显著地柔化,图像变得更加地清晰,产生了良好的视觉效果.     

挖掘理想重建图像自相似性的超分辨率

为了解决图像超分辨率过程中训练步骤对海量数据的过于依赖、先验泛化能力不强等问题,进一步提高重建图像的质量,提出了一种新的图像超分辨率算法.首先对图像自相似性理论进行扩展,指出理想重建图像自相似性表现极为强烈,而受降质因素干扰的重建图像自相似性则会明显减弱.本文将这一规律视为先验,通过构建联合高斯混合模型对其进行描述,这使得每个重建图像片的自相似性都能够用一个特定的高斯分布进行刻画,最后算法以迭代的方式分片重建整幅高分辨率图像.在为每个高分辨率图像片建模的过程中,为了使训练样本具有较强的一致性,仅使用输入图像中与其空间位置相近的图像片进行训练.该算法避开了易于引入误差的最近邻域查找步骤,且成本函数存在解析解.实验表明该算法重建图像清晰、自然,重建结果中的显著边缘和纹理结构都得到了有效保持,正确的高频信息得到了明显恢复.在将BSD500部分数据集放大3倍的实验中,本文算法的PSNR平均值高于MMPM算法0.529 db,SSIM平均值高于MMPM算法0.030.     

基于混合双立方法的MPMAP超分辨力图像插值处理算法

对超分辨力插值获得高分辨力图像的方法进行了研究,分析了通常的插值方法和超分辨力插值算法,并根据对MPMAP算法理论的研究提出了一种新的结合传统线性插值和MPMAP理论的插值算法.通过在初始高分辨力图像预处理和MPMAP迭代过程中分别运用双立方插值代替原成像过程的逆过程运算,相对于双线性插值算法可提高图像的峰值信噪比2 dB以上.结果表明,运用此算法对红外热图像进行处理,同样可以有效地提高峰值信噪比,并可获得很好的图像复原效果.     

基于形态学边缘保持的自适应超分辨率重建

针对正则化MAP (Maximum a Posteriori Probability)超分辨率算法重建结果细节不够清晰,正则化参数选取的鲁棒性较差,运算速度慢等问题,提出基于形态学边缘保持的自适应超分辨率算法.首先基于形态学定义边缘保持算子,该算子能随着迭代过程自适应调整;其次,将该算子作用于超分辨率重建的正则项,从而...     

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.     

一种基于样本块的图像超分辨率方法研究

提出了一种在马尔科夫网络框架下基于样本块的图像超分辨率算法。算法根据相似性选取多个样本块作为图像重建的候选,在候选集中计算图像块先验概率和图像块之间的相容性,最后在马尔科夫框架下选取最优图像块,合成最终的高分辨率图像。实验证明本文提出的算法具有较好的超分辨率效果。     

图像超分辨率重建算法比较研究

针对超分辨率重建技术的基本理论以及研究现状给予了综述性研究,对当前的主要算法进行了比较分析.     

基于粗糙集和MRF的彩色图像分割方法

提出了基于粗糙集和马尔科夫随机场(MRF)的彩色图像分割方法.将图像分割分为两个阶段:粗分割阶段和细分割阶段.基于粗糙集分割方法不仅仅考虑了每个像素点的颜色特征,也考虑了像素点邻域的颜色信息,这提高了粗分割的分割精度.在基于粗糙集分割的基础上,采用颜色特征和纹理特征,建立多特征的自适应可变权重马尔科夫随机场分割模型,再利用禁忌搜索算法逐步更新像素点标记,实现图像的最大后验概率估计.传统的MRF分割模型中需要人工设定图像分割数目以及随机给定初始分割,文中的算法,初始分割和初始类别数都将由粗分割获得.实验表明,文中算法可以有效地实现彩色图像分割.     

基于模拟回火退火的DT-MR图像平滑和估计

在采用高斯-马尔可夫随机场(GMRF)对扩散张量磁共振成像(DT-MRI)的原始图像进行平滑和估计时,要根据Bayes准则对图像灰度进行最大后验(MAP)估计.为了避免陷入局部最小的“陷阱”和减小计算量,MAP估计采用了模拟回火退火方法(STA).通过对未加权图像和不同梯度脉冲下的加权图像(共7幅)同时进行平滑和估计.结果表明,基于STA对图像进行平滑和估计能够大大减少噪声影响,从而在图像信噪比很低的情况下仍能保证张量场完全正定.把本方法的实验结果与传统模拟退火(SA)方法的结果进行比较,表明基于STA的方法能够更加有效地消除噪声影响,减小计算量.     

基于均值场理论和马尔可夫场的运动目标分割算法

研究了基于均值场理论和马尔可夫场的运动目标分割方法.该算法先对帧差图像进行简单的前背景划分,再采用均值场理论(MFT),建立马尔可夫随机场(MRF)模型,构造系统相应的能量函数.然后通过求取最大后验估计(MRF-MAP),即求最小能量函数,得出标记场,提取运动目标.实验结果证明:该算法能够很好地消除噪声,对运动目标分割具有较好的分割效果.     

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.     

基于并联式卷积神经网络的遥感影像超分辨率重建

遥感影像超分辨率重建有助于丰富地物细节,从而更全面地反映地物目标信息。为了解决目前基于深度学习的超分辨率重建方法难以同时兼顾影像高、低频信息的问题,本文提出了一种并联式遥感影像超分辨率重建方法。该方法并联了密集深层反投影网络和浅层多尺度网络,利用密集深层反投影网络精确预测遥感影像的高频内容;同时利用浅层多尺度网络来增加目标可分辨能力,并保留影像的低频部分来提升影像的质量。这个方法在在GF-1和GF-2数据集上进行了实验,并在Landsat 8和ASTER异源遥感影像数据集上进行了泛化验证,研究结果表明,相较于增强深度残差网络（enhanced deep residual networks for single image super-resolution,EDSR）、深层和浅层端到端卷积网络（end-to-end image super resolution via deep and shallow convolutional network,EEDS）和密集深层反投影网络（deep back-projection networks for super-resolution,DBPN）,峰值信噪比（peak signal to noise ratio,PSNR）指标分别提升了2.30 dB、2.23 dB、0.25 dB,结构相似度（structural similarity,SSIM）性能指标分别提升了 0.1 316、0.1 085、0.0 096。本文方法有助于从数据端改善遥感影像目标识别、地物分类等应用的精度,进一步提高遥感数据在资源调查、环境监测、灾害预报等领域的应用效能。     

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.     

基于Huber函数双边全变分的多帧文档图像超分辨率重建

针对低分辨率文档图像中噪声模型不确定、字符边缘和纹理走向复杂多变的问题,提出GemanMcClure(GM)范数替代L1、L2范数用于提高算法的鲁棒性,设计了结合双边全变分(BTV)和Huber函数的正则化项,采用Lucas-Kanade光流配准算法,利用字符结构特征的先验信息,使算法在重建过程中更加注重边缘细节与边缘方向信息。实验表明,与L1BTV、L2BTV和无Huber函数的GMBTV正则化(下文简称GM方法)重建方法相比,文中算法在混合噪声模型下能够显著平滑噪声、锐化边缘、提升文档图像字符的分辨率,字符识别率提高14.69%的同时运算时间缩短了29.34%。     

影响超分辨力信号复原能力因素的分析

分析目标、成像系统及算法等诸多因素对超分辨力复原效果的影响.以一维方波信号的超分辨力复原为对象,分析物体的空间范围、点扩散函数、采样率、噪声及先验约束等对超分辨复原能力的影响.分析表明,物体的空间范围及噪声越小,所复原信号的超分辨能力越强;离散采样信号的复原效果与采样率和系统截止频率有关.一维信号的分析结果可以推广到二维情况,图像的超分辨力分析对研究新型超分辨力复原算法和改善现有算法具有实际意义.     

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.