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。     

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.     

基于凸集投影算法的被动毫米波图像超分辨率恢复

为了提高被动毫米波图像分辨率,该文将凸集投影算法(POCS)应用于被动毫米波图像的超分辨率恢复中.文章对引起被动毫米波成像系统图像降质的因素进行了分析和讨论,建立了成像模型,结合POCS算法原理,利用图像的噪声统计特性以及幅度约束条件,对POCS算法用于被动毫米波图像的超分辨率恢复进行了详细分析,并给出了算法流程.仿真结果表明:POCS算法用于被动毫米波图像的超分辨率恢复相对双线性差值方法恢复效果有明显改善.     

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.     

—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。     

一种保持图像边缘的插值方法

在图像超分辨率重建中,需要对低分辨率图像进行插值。在对图像提取边缘的基础上,考虑边缘的方向,先对边缘像素插值,然后对其余零填充像素用双三次插值赋值。最后给出了实验结果,并与最近邻插值、双线性插值及传统的双三次插值进行了比较。结果表明该方法较好地保持了图像的边缘信息。     

一种基于分离思想的超分辨率复原方法

针对光学图像，从光学系统成像机理出发，建立了一种图像退化的分层模型，指出了造成图像分辨率降低的若干关键因素(衍射效应、欠采样等)．提出了一种用于超分辨率复原的分离方法，并引入了级联模板算法。该方法降低了计算的复杂度，实验结果表明了算法的有效性。     

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.     

基于图像边缘区的图像评价方法

通过对图像处理中的缩放算法得到的图像误差进行分析,发现图像误差主要集中在图像边缘区,进而提出了基于边缘稳定的图像评价方法,实验表明,该方法符合人的主观视觉质量需求．     

基于边缘增强的多聚焦图像融合方法

提出一种基于边缘增强的多聚焦图像融合方法,对需要融合的2幅图像进行小波多尺度分解,根据绝时值最大的方法对高频细节分量图像进行融合,通过增强和提取原始图像的边缘信息强度指导低频近似分量的融合,以此突出融合图像中的边缘信息．采用信息熵和标准差等评价指标对该方法进行客观评价．结果表明：该方法融合效果良好,可以更好地突出低频域边缘细节信息,提高融合图像的清晰度,改善视觉效果．     

基于引导图像的边缘噪声滤波算法

由于通常的邻域运算会改变图像边缘点的灰度值,使图像的边缘变得模糊,为了改善这一现象,提出了一种基于引导图像的边缘噪声滤波算法。该算法由局部线性模型推导而来,将原始图像或其他变换形式定义为引导图像。通过对引导图像进行分析,并调节正则化参数,利用引导图像掩模对图像的边缘进行平滑处理,有效地去除了噪声。通过与其他四种常用的滤波算法进行对比实验,表明该算法的均方误差MSE仅为0.0015,峰值信噪比PSNR为28.26,远远优于其他四种常见滤波算法,不仅对图像进行了平滑去噪,在很大程度上还保护了图像的边缘信息。     

一种基于融合技术的遥感图像边缘检测算法

通过讨论遥感图像的边缘特点,为提取其图像边缘,提出了一种有效的融合多种方法的新的边缘检测算法.算法针对遥感图像对象的复杂性、高边缘密度、噪声明显等特性,融合了滑动窗口技术、多阈值技术和模糊增强方法对遥感图像进行了边缘强化,最后利用模糊形态学算子进行了边缘提取.实验表明,利用多方法融合,不仅可以弥补单一方法的缺点,还能提高边缘检测的精度,保留更多边缘细节.     

一种基于融合技术的遥感图像边缘检测算法

通过讨论遥感图像的边缘特点,为提取其图像边缘,提出了一种有效的融合多种方法的新的边缘检测算法算法针对遥感图像对象的复杂性、高边缘密度、噪声明显等特性,融合了滑动窗口技术、多阈值技术和模糊增强方法对遥感图像进行了边缘强化,最后利用模糊形态学算子进行了边缘提取实验表明,利用多方法融合,不仅可以弥补单一方法的缺点,还能提高边缘检测的精度,保留更多边缘细节     

基于梯度和拉普拉斯算子的图像扩散变分模型

采用图像扩散的变分方法可以有效地设计边缘保持或增强的图像恢复模型。传统的模型往往基于图像强度的梯度,所得到的结果在本该光滑的区域具有明显的阶梯效应。为此,提出了基于梯度和拉普拉斯算子的图像扩散变分模型,以期实现在对图像进行噪声去除的同时,保持或增强图像的边缘,并消除单纯基于梯度模型导致图像光滑区域的阶梯效应。对变分模型中光滑项的设计,首先针对一维模型的分析得出基于梯度和拉普拉斯算子模型向前、后扩散的条件,然后将其推广到二维图像扩散,并在设计的有限差分方法基础上,对所提模型的有效性进行了实验验证,效果良好。     

焊缝图像边缘线提取的一种有效算法

基于机器视觉智能焊接自动化,提出了一种有效的焊缝识别算法.通过对图像进行滤波、图像锐化、二值化增强,以及针对二值化后的图像以形态学滤波方法进一步滤除图像中的孤点噪声等方式,采用Roberts边缘算子提取出焊缝图像的边缘,并利用骨架运算提取.在预处理和检测时都使用感兴趣区域.结果表明,该算法具有良好的实时性、可靠性和鲁棒性.