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.     

基于多成分字典和稀疏表示的超分辨率重建算法

为了解决单幅图像超分辨重建的问题,该文提出了一种在稀疏表示理论框架下基于多成分字典的方法。首先根据图像的退化模型,深入分析高低分辨率图像的关系,得到高分辨图像可由低分辨率图像在对应字典下的稀疏系数来重构的结论。根据这一结论,采用多成分字典分别表示图像的不同结构特征,并用匹配追踪的方法得到低分辨图像在多成分字典下的表示系数,然后在对应的高分辨字典下对高分辨率的图像进行重建,实现了基于多成分字典的单幅图像超分辨率重建。该文所提的方法对单幅图像的超分辨率重建具有较好的通用性,相对于传统的超分辨重建算法,在自然图像和卡通图像的实验中验证了算法的有效性。     

基于字典学习的超分辨率显微CT图像重建

为提高显微CT重建图像的空间分辨率,提出了一种基于字典学习的超分辨率图像重建算法.首先,将重建图像进行网格细化,并使用面积权值模型实现对投影过程的精确建模.然后,选择高质量的图像作为训练样本,采用K-SVD算法构建图像字典.基于该图像字典,利用正交匹配追踪算法实现对重建图像的稀疏表达,并以此作为稀疏项约束引入到重建算法的目标函数中.最后,使用梯度下降法求解目标函数.实验结果表明:与传统的基于插值的超分辨率重建算法相比,所提算法的超分辨率结果在图像对比度、边缘保持方面具有优势,并且保留了更多的图像高频信息,从而有效提高了重建图像的空间分辨率.     

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.     

基于像素及梯度域双层深度卷积神经网络的页岩图像超分辨率重建

实际采集的页岩图像存在分辨率低等不足,有时难以满足实际应用的需求。针对此问题,构建了一种基于双层深度卷积神经网络的页岩图像超分辨率重建算法。算法以深度卷积神经网络为基础,引入残差训练及批规范化层来加速网络的收敛,并且在此神经网络的基础上提出图像像素域及梯度域结合的页岩图像超分辨率重建算法。算法大致过程为首先利用像素域的卷积神经网络对输入的低分辨率页岩图像进行上采样;然后对上采样图像提取梯度信息并利用梯度域的卷积神经网络对其进行转换;最后利用转换后的梯度信息作为正则项来约束高分辨率图像的重建,从而得到重建的高分辨率页岩图像。实验表明,与主流的超分辨率重建算法相比,重建得到的页岩图像具有更好的主观视觉效果与更高的客观评价参数,更利于后续的处理及分析。     

基于GAN的浮选泡沫图像压缩与超分辨率重建

为了解决浮选过程中由于浮选泡沫图像像素高导致的工业现场无法大量保存离线泡沫图像数据的问题，提出了先进行有损压缩图像储存，再对其进行超分辨率重建的方法。该方法采集浮选槽泡沫的无损图像，通过下采样降低图像的分辨率，使用JPEG压缩算法对图像进行压缩。重建时，先使用低分辨率图像和高分辨率图像对生成对抗网络(GAN)进行训练，然后使用GAN对有损图像进行超分辨率重建，恢复图像细节特征，在得到能够满足工业生产所需要的图像质量的同时，大幅减少图像储存所需的存储空间。     

超分辨率重建技术在CT无损检测中的应用研究

通过CT系统取得平动低分辨率图像序列,采用分级块匹配像素内配准进行运动估计,应用结合小波的改进凸集投影算法重建出超分辨率图像。对CT切片图像的处理结果表明,该方法能有效提高切片图像的分辨率,为工业CT图像增强,以及其在无损检测上的应用提供一种新的手段。     

基于卷积神经网络的图像超分辨率方法研究

结合认知构架ACT-R模型(Adaptive Control of Thought-Rational),基于邻域嵌入算法和深度学习的图像超分辨率重建方法,构建一个应用于超分辨率重建研究的ACT-R研究模型.在匹配阶段,根据低分辨率(Low Resolution,LR)测试图像的结构和内容特征,运用图像的多尺度相似性和非局部相似性,对图像进行特征提取;在选择阶段,把邻域嵌入算法分为两层,进行邻域图像块的寻找,同时构建一个端到端的深层门限卷积神经网络,把从匹配阶段得到的高分辨率无细节小图像块输入到卷积神经网络中并得到输出图像,将输出图像与高分辨率无细节小图像块相加得到该低分辨率小图像块对应的高分辨率小图像块,最后把高分辨率图像块组合成高分辨率(High Resolution,HR)图像.决策阶段,我们进行实验并与其他方法对比.结果表明,该模型对单帧图像具有良好的重建能力,在视觉效果上和客观评价标准上都取得了不错的效果,能够较好的重建低分辨率图像.     

三光子PET成像的Monte Carlo模拟与解析几何重建

为验证利用正负电子对三光子湮灭事件进行PET(positron emission tomography)成像的原理,对正电子释放,正负电子对三光子湮灭,γ光子的输运和接收等物理过程用Geant4程序进行了Monte Carlo模拟。根据动量守恒和能量守恒定律,提出由3个γ光子的位置和能量直接计算湮灭位置的解析几何重建算法。进一步研究了探测器能量分辨率对重建图像分辨率的影响。结果表明:具有理想位置分辨能力的探测器对662keV的γ光子能量分辨率为16%时,重建图像断层内分辨率为1.6 mm,轴向分辨率为0.16 mm。     

基于投影的断层间多连通物体轮廓表面重建

提出一种基于轮廓投影关系判断的断层间多连通轮廓的表面重建方法,在分析轮廓投影关系特性的基础上,建立了“连接表面投影区”;在连接表面投影区域内,利用距离函数生成过渡区域的体数据,进行表面重建的计算;并可根据需要进行插值计算,生成分辨率较高的体数据;最后对MT算法进行改进,抽取等值面,完成物体的表面重建,该方法缩短了体数据的构造时间,加快了整个表面的重建速度,保证了重建表面的正确性。     

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。     

视频监测报警系统的设计与实现

视频监测技术在远程监控和无人值守监控中发挥着重要的作用。本文介绍了基于Java语言设计的视频监测报警系统,利用Java语言独立于平台的特性和完整的网络支持,实现了监测地点图像采集、处理、存储,针对异常情况可发出报警信息,用户可以通过网络浏览器远程查看实时的视频情况。测试结果表明,系统运行安全可靠,满足实时监测的需求。     

基于残差神经网络的高强度运动超分辨率图像重构

针对实际拍摄的亚像素信息较少的低分辨率运动图像,重构图像通常较为模糊,甚至不能分辨。为此,提出一种新的基于残差神经网络的高强度运动超分辨率图像重构方法。令沿运动方向的亮度保持恒定,通过光流场匹配实现高强度运动图像的运动估计;根据运动估计结果和超分辨率重构的基本思想,将BP神经网络看作残差神经网络的基础建立残差神经网络,对残差神经网络进行训练,参照训练样本将经插值法放大若干倍的待重构高强度运动图像作为输入,将高分辨率图像和输入图像间的残差作为输出,把输入和输出累加获取超分辨率图像,实现若干放大倍数高强度运动超分辨率图像的重构。实验结果表明,所提方法运动估计准确,重构图像清晰、质量佳。     

基于双正交小波的快速矢量量化算法

提出了一种用于图象压缩的矢量量化算法．该算法通过构造符合图象小波变换系数特征的跨频带矢量,利用小波系数之间的相关性,提高了图象的编码效率和重构质量．同时,该算法又采用了两种新的矢量量化技术——非线性插补矢量量化（ＮＬＩＶＱ）和渐进构造聚类（ＰＣＣ）,提高了矢量量化的速度和码书质量．实验结果证明,该算法在比特率为０．１７２ｂｐｐ的条件下仍能获得ＰＳＮＲ＞３４ｄＢ的高质量重构图象．研究图象小波变换系数的固有特性是提高矢量量化性能的关键,而提高矢量量化速度是这类算法得以实用的重要前提．     

基于线结构光点云三维重建的弯管形工件测量方法

弯管形工件在化工、冶金生产中应用广泛,对其截面参数要求精确度极高,但该类工件由于内外形状不规则,人工测量效率低、细节捕捉度差、出错率高,难以满足工业在线实时检测的要求,因此提出使用线结构光扫描获取弯管外形三维点云数据的方法对弯管截面进行实时测量.使用已标定好的线结构光三维测量平台扫描约以4.3 cm/s移动的弯管模型并获取其点云数据,对点云数据进行最近点迭代法配准、高斯滤波去噪、改进的角度偏差法简化,然后采用Delaunay三角网生长算法对点云进行三维重构,并对重构模型的宽度、半径、内径进行拟合测量.实验测量过程耗时约20 s,测误差小于0.05 mm,结果表明该方法具有较高的精确度与准确性,可大幅度提升工件检测效率,有良好的工业应用前景.     

多分辨图像融合算法在DSP系统中的实现

介绍在可见光-长波红外双波段图像融合高速处理平台上实现多分辨图像融合算法的设计方案,该硬件平台采用高速数字信号处理器TMS320C6201DSP及多种适于高速数字图像处理的结构,在软件设计时,针对图像多分辨分解与重构运算过程的特点采取了多项优化措施,较好地解决了图像融合算法大运算量和数据存储空间与硬件系统实时处理之间的矛盾,实现了基于复杂图像融合算法的准实时融合处理。     

过程模拟法重建三维数字岩芯的准确性评价

由于利用X 射线CT 扫描获得反映真实岩石微观结构的三维数字岩芯过于昂贵和费时,因此,正确评价利用岩芯二维薄片图像重建三维数字岩芯的准确性具有重要理论和应用价值。采用过程模拟法,依据岩芯的二维薄片图像,通过模拟真实岩石的形成过程沉积过程,压实过程和成岩作用重建了三维数字岩芯,并且应用局部孔隙度分布函数和平均渗流概率函数进行了重建三维数字岩芯的准确性评价。结果表明：过程模拟法重建的三维数字岩芯与真实岩芯具有相同的均匀性和连通性,且重建三维数字岩芯与真实数字岩芯都是各向同性的。重建的三维数字岩芯不仅可以用来表征真实岩芯的孔隙结构,而且也可以作为其他岩石物理属性模拟的基础。     

基于IBP的天气雷达超分辨率重建算法

雷达基数据分辨率不够会导致灾害性天气系统预报、跟踪的准确率低.为了提高基数据的分辨率,将迭代反投影算法应用于雷达回波超分辨率重建中,并对算法进行了改进.该方法基于对天气雷达回波使用滑动窗的重建模型,并引入时间相关性约束,由低分辨率回波重建出高分辨率回波.基于天气雷达提供的实例反射率回波,给出其超分辨率重建后的结果,并对其重建效果进行估计和比较.实验表明该方法在定量估计和视觉评价上都具有良好的高分辨率重建效果.     

基于有限测点的铝合金板残余应力场重构研究

应力函数法可基于有限测点的实测结果重构出构件的全场残余应力,但其应力函数往往难以确定,且不易通过同一应力函数同时重构出多个残余应力分量的分布. 针对上述不足,发展了一种利用通用应力函数同时重构多个残余应力分量场的方法. 该方法构造双元傅里叶函数作为艾瑞应力函数,使用判定系数确定模型阶数,并根据实测散点值优化确定应力函数中的未知参数. 最后利用模拟三点弯实验的残余应力场验证了该方法的准确性,并将其应用于真实铝合金板的残余应力场重构. 结果表明,该方法能同时重构多个应力分量,且重构残余应力场具有较高的精度.