基于空间自适应正则化的超分辨率重建算法

针对模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率重建算法。该算法充分考虑了图像的局部特性,引入了空间自适应加权矩阵,采用全局正则化参数与局部正则化参数矩阵相结合的方法,弥补了传统正则化方法所带来的正则化误差以及噪声放大误差。实验结果表明,该算法能够有效地减少重建误差,保护图像的细节信息。     

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。     

基于自适应正则化的序列图像超分辨率复原

基于序列图像的超分辨率复原算法能够利用更多的先验信息,复原效果明显优于基于单帧图像的复原算法,目前已经成为图像复原领域的主流研究方向.本文提出了一种基于自适应正则化的序列图像超分辨复原方法,能够充分利用序列图像的先验信息,有效抑制了复原图像中存在的振铃效应.同时,本文算法可以更好地恢复图像边缘信息,较好地平滑噪声,得到的复原图像与Hardie等提出的非均匀插值算法的复原效果相比,在峰值信噪比以及主观视觉效果方面均有所提高.实验结果表明,本文所采用的方法能够达到较好的复原效果,是可行和有效的.     

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.     

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.     

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。     

基于流形学习和梯度约束的图像超分辨率重建

将改进的基于流形学习的超分辨率重建与基于梯度约束的正则化重建结合起来,提出一种新的单帧图像超分辨率重建算法.该算法首先针对基于流形学习的超分辨率重建,提出新的特征提取方法,联合归一化亮度与平稳小波变换细节子带系数两个特征矢量,提高重建性能;然后将学习得到的高分辨率图像作为初始估计,将其梯度作为目标梯度域,进行基于梯度约束的正则化重建,得到最终的高分辨率图像.与现有的一些算法相比,文中算法无论在视觉效果还是客观评价上都具有较好的重建性能.     

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.     

一种基于并行遗传算法的超分辨率图像重建方法研究

笔者提出了一种基于并行遗传算法的图像(序列)超分辨率重建的新框架方法.文中给出了算法原理及步骤,并对算法特点和性质进行了详细的分析,与直接使用迭代正则化相比,通过实验的方法选取正则化参数的方法,其最大优势是可通过实验来调整正则化参数,使算法更易搜索到最佳图像估计.最后给出了实验结果以及详细的实验分析,并将其与其它正则化图像插值技术进行了比较,证明是一种新颖实用的方法.     

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.     

保细节自适应超分辨率融合算法

超分辨率融合是把配准好的低分辨率图像信息进行综合,形成高分辨率栅格上的均匀采样．为了改善图像超分辨率融合效果,对鲁棒超分辨率融合算法进行改进分析图像局部模式,给出角点和连接点的识别方法,进而设计了保细节自适应适用度函数,提出了保细节自适应超分辨率融合算法实验结果表明,算法不仅对配准误差具有鲁棒性,而且能很好地保存图像的边缘和细节特征,提高了融合图像的质量．     

基于双变量模型的子带自适应滤波方法

利用贝叶斯最大后验估计理论研究了双变量层间模型、模型的子带自适应参数估计方法,推导了对应的萎缩函数;在此基础上设计了一种子带自适应图像滤波方法,并与两种基于模型的类似算法进行了比较.实验结果表明:利用小波系数层间模型可以有效地改善图像去噪质量.     

基于光流及耦合隐马尔可夫模型的动态手势识别

基于块的相关算法来计算光流，并利用光流跟踪双手的运动．双手的运动轨迹取相邻两点的速度向量，经8方向链码量化后作为观察向量．和直接利用位置信息相比较，提高了识别的鲁棒性．采用耦合隐马尔可夫模型来识别双手动态手势，提出并实现了最大后验概率的训练．对6个双手动态手势的试验表明，耦合隐马尔可夫模型(CHMM)比常规隐马尔可夫模型(HMM)能更有效地对双手动态手势建模．     

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.     

关于前向最大后验概率（MAP）算法的研究

推导了前向MAP的一种简化形式-F-MAP,并给出了它的两种实用算法：Log-F-MAP和Max-Log-F-MAP,F-MAP与SOVA算法（寄存器交换模式）间有着密切的联系,特别是可将Log-F-MAP看作对SOVA的进一步改进,通过定点仿真,对F-MAP和其他流行SISO算法在Turbo译码中的BER/FER性能进行了比较与分析,得到了译码延迟D的合理值为5～6倍的约束长度。     

光照和噪声条件下的人脸识别

讨论了光照和噪声条件下的人脸识别问题，提出了基于Gabor滤波器对人脸图像提取Gabor特征并与EFM MAP-2相结合的人脸识别方法。实验证明，该方法在非均匀光照和噪声条件下比其他传统的人脸识别方法具有更好的鲁棒性。     

一种基于压缩感知理论的LCTF光谱超分辨方法

液晶可调谐滤光片（LCTF）因其在宽谱段上具有简单、高效的调谐滤光功能常作为微型光谱仪应用在多种测量领域.然而,滤光式光谱仪的光谱分辨能力受限于其系统的带宽,进行高分辨测量时的硬件成本和测量数据量都较大.将压缩感知理论引入LCTF的光谱测量中,通过将LCTF获取的测量数据与其对应的调谐波长处的透过率函数进行关联计算,得到光谱分辨率优于系统带宽的目标光谱曲线.分析表明,本文模型下的压缩感知测量矩阵具有良好的非相关性,同时对地物光谱进行的压缩感知重构结果表明,在仅进行32次测量的条件下,本文方法得到了珍珠石目标的128波段的光谱曲线,能分辨出传统方法不能分辨的光谱细节,且反射率的平均误差仅有0.75%,同时对噪声具有一定的抵抗性.