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.     

MART算法快速高质量图像重建研究

ART(Algebraic Reconstruction Technique)算法是一种典型的迭代图像重建算法,适合于不完全投影数据图像重建。为了提高乘型ART(Multiplicative ART, MART)算法的重建质量,提出了一种基于亚像素的图像重建方法。首先将原始图像中的每个像素等分解为四个亚像素,然后提出一种高效的射线与像素的求交算法来计算权因子和亚像素索引,利用MART算法重建得到高分辨率重建图像,最后通过合并亚像素图像得到原始分辨率的高质量重建图像。实验结果表明文中提出的方法非常有效,与传统方法相比取得了3倍以上的重建加速比,图像重建质量显著提高。     

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.     

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。     

基于深度学习的图像超分辨率重建方法综述

图像超分辨率重建(super-resolution, SR)是指从观测到的低分辨率图像重建出相应的高分辨率图像,在目标检测、医学成像和卫星遥感等领域都有着重要的应用价值.近年来,随着深度学习的迅速发展,基于深度学习的图像超分辨率重建方法取得了显著的进步.为了把握目前基于深度学习的图像超分辨率重建方法的发展情况和研究热点,对一些最新的基于深度学习的图像超分辨率重建方法进行了梳理,将它们分为两大类(有监督的和无监督的)分别进行阐述.然后,在公开的数据集上,将主流方法的性能进行了对比分析.最后,对基于深度学习的图像超分辨率重建方法进行了总结,并对其未来的研究趋势进行了展望.     

一种基于L_(1/2)正则约束的超分辨率重建算法

为了提高重建图像质量,减少处理时间,提出一种基于L_(1/2)正则约束的单帧图像超分辨率重建算法.该算法在稀疏重建字典对训练阶段,为了有效提取低分辨率图像边缘、纹理等特征细节信息,采用小波系数单支重构方法对低分辨率图像进行特征提取;而在图像重建阶段,为了解决基于L1正则模型得到的解时常不够稀疏,重建图像质量有待进一步提高的问题,采用L_(1/2)范数代替L1范数构建超分辨率重建模型,并且采用一种快速求解的L_(1/2)正则化算法进行稀疏求解.实验结果表明:与现有算法相比较,该算法在重建图像主观和客观评价指标、算法运行速度等方面均更优.     

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.     

用于CMOS图像器件的超分辨率算法研究

提出一种基于CMOS图像器件的超分辨率图像合成算法,该方法将4幅沿水平、垂直及对角线方向错位获取的CMOS图像重新组合,得到一幅重建的新图像.对重建图像的像素灰度进行了理论分析和计算,求出了重建超分辨率图像的算法.结果表明,在不提高CMOS工艺水平的条件下,该算法能将重建的CMOS图像的分辨率提高到原图像的2×2倍.实现了CMOS图像器件的超分辨率图像合成算法.对该算法进行了计算机仿真,结果同理论分析计算的结果完全一致,证明了所提出的CMOS图像器件超分辨率算法是正确的.     

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。     

校园航拍图像超分辨率重建的粒计算方法

提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.     

基于改进SRResNet深度学习网络的低照度图像超分辨率重建方法

为解决低照度条件下低分辨率图像的超分辨率重建问题,提出一种基于改进SRResNet（super-resolution residual networks,超分辨率残差网络）深度学习网络的低照度图像超分辨率重建方法。通过将读取的图像下采样、亮度降低等处理生成低照度低分辨率图像,并将该图像与高分辨率图像作为数据对输入学习模型,以便改进SRResNet的训练数据对的生成方式,优化训练过程,从而构建面向单帧低照度彩色图像的基于改进SRResNet训练的超分辨率重建方法。实验结果表明：与现有流行的图像超分辨率重建方法相比,该方法的峰值信噪比（peak signal to noise ratio,PSNR)、结构相似性（structural similarity,SSIM）指标整体为最优,低照度环境下的超分辨率重建图像更为清晰明亮、细节更丰富,该方法训练出的深度学习网络的重建效果更好。     

一种双站合成孔径雷达的高分辨率成像与合成方法

针对合成孔径雷达难以提高系统固有分辨率,分析了双站合成孔径雷达之间的频谱关系,提出了一种距离向分辨率自动合成方法.基于该方法,双站合成孔径雷达高分辨率成像处理流程可以分为2步:首先,采用改进的双站非线性Chirp-Scaling算法得到高质量的子图像对;然后,利用子图像对之间存在的频谱偏移关系,利用分辨率自动合成算法将子图像对合成为分辨率更高的图像,从而完成双站合成孔径雷达的高分辨率成像处理.仿真结果表明,该处理技术及成像方法可以得到较好的高分辨率成像效果.     

适用于高分辨率大型工业CT的实时重建检查方案

为利用高分辨率工业 CT系统对大尺寸工件进行在线实时检测 ,本文提出可大幅减少断层图像总重建时间的多分辨率重建检查方案。首先对由先验知识或 DR检测指出的关键部位进行高分辨率重建检查 ,然后对断层其他部分进行低分辨率重建检查确定重点部位 ,最后再对重点部位进行高分辨率重建检查。该文还给出快速获得指定点 CT数的定点重建方法 ,为实现上述局部重建和多分辨率重建提供了有效手段。模拟的断层重建检查过程表明 ,该方案在不影响检查效果的前提下能够实现对 CT图像的在线重建和检查 ,而且检查过程也符合实际应用的需要。     

顾及区域信息的卷积神经网络在影像语义分割中的应用

高分辨率遥感影像在实际应用中得到广泛使用。高分影像语义分割方法的研究具有重要实际应用价值。近来基于深度卷积网络的遥感影像标注方法表现出了比传统方法更为优越的性能;然而由于其基于固定感受野大小的上下文信息获取方法没有显式利用像素间约束关系,导致同一地物内部语义标注结果不一致。基于同一区域内部像素属于相同类别概率较大的假定,试图引入图像区域内部语义标注一致性约束,以改善现有深度卷积神经网络描述上下文信息的能力。在现有全卷积网络模型基础上,利用卷积神经网络最后一层特征,引入一个表示区域内部像素特征一致性的损失函数;将该损失函数与softmax损失函数进行联合训练,得到网络模型参数。在ISPRS(国际摄影测量与遥感学会)的Vaihingen 2D语义标注数据集上,对提出的方法进行了实验验证,实验结果表明所提方法在大多数类别上取得了较现有卷积神经网络模型更优的分类结果,总体准确率达85.18%。提出的引入区域内部像素标记一致性的全卷积网络模型,可以有效捕捉区域内部像素特征一致性的上下文信息,能有效纠正全卷积网络模型在区域内部像素分类中的冲突,获得区域一致较好的分类结果,从而改善图像的语义标注效果。     

基于灰度迭代阈值的高分辨率影像分割研究

图像分割技术为遥感图像解译和分类的一种重要方法,目前主要应用在中分辨率影像中,由于高分辨率影像的信噪比低,直接进行图像分割,效果不佳．对2010年3月湖北省襄阳市高分辨率的快鸟影像,进行降噪处理及改进阈值策略来改善灰度迭代阈值法的图像分割效果．首先运用数学形态学的闭运算对影像进行降噪处理,然后采用灰度迭代阈值法和最大类问方差法的图像分割对影像进行分割对比研究．结果表明,灰度迭代阈值法在时间效率及影像分割效果方面优于最大类间方差法．     

染色血液白细胞目标图像快速提取方法的研究

提出了一种变图像分辨率的染色血液白细胞目标图像提取方法.首先对采集到的染色血液细胞图像进行分辨率抽样并将图像从RGB表示变换为HS I表示;然后使用白细胞色饱和度阈值滤波和形态学滤波得到白细胞数目和位置;最后在白细胞位置按原始图像分辨率进行局部图像提取并使用神经网络方法进行图像分割得到目标图像.该方法充分保留了血液细胞图像本身固有的大量有用信息,提高了目标图像分割的完整性并减少了计算量,适用于对时间要求较高的复杂背景下血液图像的自动分析.     

单画幅欠采样图像复原中的插值作用

采用直接复原方法和插值复原方法对单幅欠采样低分辨率模糊图像进行复原实验,以考察线性插值在图像复原中的作用.直接复原法是对采集到的欠采样低分辨率模糊图像直接用最大似然图像复原算法进行复原,不作任何预处理.插值复原法是先对图像进行插值预处理,增加像素数,提高图像采样分辨率,然后再用最大似然图像复原算法进行图像复原.结果是直接复原方法和插值复原方法对欠采样模糊图像的复原,效果相同,主观视觉和评价数据十分接近.这说明通常用于单画幅欠采样模糊图像复原预处理的线性插值没有起到提高复原效果的作用.     

分块统计特征和最优分辨力选择特征相融合的掌纹识别

为提高掌纹识别的性能,提出一种分块统计特征和最优分辨力选择特征相融合的掌纹识别方法。首先对预处理后的掌纹图像进行多方向、多尺度Gabor变换;然后将掌纹划分多个子块提取特征,将各子块特征进行拼接得到整个掌纹特征向量;最后以特征分辨力为准则选出最优掌纹特征子集建立两分类器,通过投票机制建立掌纹多类分类器,并采用Po1yU掌纹库进行性能测试。测试结果表明,该方法的掌纹识别性能优于对比掌纹识别方法。     

基于预分类的非局部被动毫米波图像去噪算法

针对被动毫米波图像的分辨率低,不具备丰富的纹理信息的特点,提出了一种基于预分类的非局部被动毫米波图像去噪算法(PBNL).利用图像梯度信息的奇异值分解获取图像的局部区域特征,根据不同的特征集将图像进行分类,并对不同的类别采取不同的去噪算法.实验结果表明,相对于非局部均值(NL-Means)算法,该方法在计算(时间)复杂度上有了明显的降低,降噪结果的PSNR值优于BM3D、各向异性去噪算法,并且在视觉上获得了更好的辨识效果.