视频图像超分辨率复原技术的分析与研究

视频图像超分辨率复原技术具有重要的研究价值,在研究和分析超分辨率复原技术的具体方法的基础上,深入探讨了频率域、空间域研究方法的不同的理论依据、实现手段以及算法模型,分析比较出空间域研究方法具有一定研究的优势,并对其研究前景进行展望。     

用模糊自适应滤波算法估计时延

为了对系统中的时延进行估计,基于MRAS结构、最小均方算法和模糊理论,利用系统的输入和输出数据,提出了自适应模糊滤波AFLMS算法。该算法的运算量比通常具有IIR形式的系统辨识算法小得多,且收敛快,便于实时应用。在各种最小均方算法中,μ因子决定算法的收敛速度和稳定性,然而它是难以选择的。采用模糊技术来确定μ因子,克服了其困难。采用PRBS作为输入测试信号,利用计算机和采样电路,对带有时延的系统的仿真结果说明了该算法的有效性。     

基于投影的静态超分辨率优化算法研究

图像超分辨率复原是指从获取的一幅或多幅低分辨率图像,通过相应的图像超分辨率算法来获得一幅清晰的高分辨率图像。本文提出使用投影法优化现有的超分辨率算法,并与插值方法进行比较,最后得出实验结果。     

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.     

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。     

自适应图像插值在超分辨率图像重建中的应用

超分辨率技术的目的在于恢复高频信息,以使图像获得更多的细节信息,同时还要能消除各种噪声的影响,图像插值方法是一个基本的消除采样误差和虚假响应的手段,它是超分辨率重建的一个重要步骤。该文使用一种自适应的插值方法来进行超分辨率图像重建,并与传统插值方法的超分辨率图像重建结果相比较,重建结果要优于传统插值方法。     

基于噪声灰度差估计三维显微图像超分辨率复原

提出了基于噪声灰度差估计的图像复原方法.在带斑点图像复原的过程中,用不同方向的均匀算子与图像进行卷积,再与原图像相减,取灰度差最小值构成噪声灰度差估计图.由此图获得斑点的强度和位置,进而对斑点进行邻域平均处理以保证复原效果.测试结果表明,噪声灰度差估计能够准确反映图像斑点的强度和位置定位,并且运算量小.该方法应用于三维显微图像复原的结果表明,斑点亮度得到有效控制,小斑点被去除,获得了良好的超分辨率复原效果.     

运动图像模糊度参数的估计

图像复原技术主要利用模糊函数模糊函数中最重要的参数是模糊度参数．模糊图像的模糊度内的像素点存在相关性,利用其相关性估计模糊度参数,从而确定匀速直线运动模糊的模糊函数,再利用维纳滤波技术复原图像．     

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。     

一种简化的对数最大后验概率译码算法

提出了一种简化的对数最大后验概率译码算法．该简化算法基于逼近理论，用最佳平方逼近多项式近似计算校正函数，近似多项式的系数根据特征定理确定．与原算法相比，简化算法具有低复杂度、译码延时少的优点．仿真结果表明：计算复杂度比原算法降低约30％；在加性白高斯噪声信道和平坦慢衰落瑞利信道上，其编码增益比求最大值对数最大后验概率译码算法高出0．3～0．5dB，与原算法相近．因此，简化算法可替代对数最大后验概率译码算法在Turbo码译码器中使用．     

基于一阶微分的运动模糊参数估计

运动模糊图像是在图像摄取过程中,被摄景物与相机的相对运动产生的。在运动模糊图像恢复技术中,对运动模糊参数即模糊方向和模糊长度的估计是影响恢复结果的关键因素。本文对运动模糊图像进行一阶微分处理,提取和计算表现该运动特性的特殊像素坐标,得到模糊参数和点扩展函数（PSF）。用该方法得到的模糊参数比使用倒频谱方法得到的模糊参数有更高的精度和更广的测试范围。仿真结果显示,用该方法得到的PSF,应用维纳滤波对模拟的和真实的运动模糊图像进行恢复,得到了很好的恢复结果。     

基于EM算法的极大似然参数估计探讨

首先介绍了EM算法，然后研究了基于EM算法的混合密度极大似然参数估计，最后利用计算机仿真验证了此算法的收敛性和有效性。     

被动合成阵列极大似然参数估计的快速方法

针对被动合成阵列的极大似然目标参数估计方法(pasaML)计算量大的问题,探索利用Markov Monte Carlo(MCMC)类方法降低计算量.将完备抽样方法(PS)与pasaML方法相结合,提出一种基于完备抽样的频率一方位联合估计新方(PS-pasaML)来联合估计多个目标的频率和方位.首先将pasaML方法的谱函数视为频率和方位的联合概率密度函数,构造并证明了具有单调保偏序性质的更新函数,然后产生2条Markov链的初始方位角向量,使用更新函数确定Markov链在状态空间中的转移方向,并通过在全局状态空间和局部状态空间之间的跳转抽样来提高运算速度,最后由融合时间判决Markov链的平稳性,对其求期望从而获得目标方位的最终估计.仿真实验表明,在目标个数较少时,PS-pasaML方法不仅保持了pasaML方法的高分辨能力,而且计算复杂度降低为pasaML方法的1/7左右.     

基于倒谱分析的运动模糊参数估计

运动模糊是导致图像降质的最常见因素之一,估计运动模糊的点扩散函数是运动模糊复原的前提和关键.分析运动模糊图像频谱和倒谱的特征,提出在倒谱域估计点扩散函数的方法,利用倒谱中2个负峰值点坐标估算模糊尺度,对倒谱取绝对值后用Radon变换检测模糊方向,对运动模糊图像的参数进行估计.实验表明该方法是有效的.     

一种对直序扩频信号参数估计的自适应算法

目的 提出一种伪随机噪声（ＰＲＮ）码调制的准正弦信号参数估计的自适应搜索方法。方法 采用矩和自适应变化率调节的步长对信号的多普勒频移和时延进行搜索。结果 缩短了搜索时间,而且对噪声也表现出一定程度的不敏感性。结论 所提出的算法改善了参数估计性能。     

运动与离焦耦合的模糊图像参数辨识方法

针对运动和离焦耦合模糊图像运动模糊尺度、角度和离焦模糊半径的辨识难题,提出了一种运动与离焦耦合的模糊图像参数辨识方法. 首先,对模糊图像进行Fourier变换,采用Radon变换辨识运动模糊角度;其次,对模糊图像的频谱图进行滤波,将频谱图中央区域的幅度之和作为BP神经网络的输入量,检测运动模糊尺度时,频谱图按列求和,而检测离焦模糊半径时,频谱图按圆形方向求和. 仿真实验表明,不带噪声的耦合模糊图像参数辨识误差在6%以内.      

基于全变分正则最大后验估计的高光谱图像亚像元快速定位方法

针对高光谱亚像元定位应用中光谱解混这一病态问题的求解,改进了结合空间分布先验全变分（TV）的最大后验估计（MAP）光谱解混模型,以保证算法的可扩展性和解的唯一性.同时,针对TV先验固有的非线性特性导致的求解过程繁琐的问题,提出了一种快速求解算法,将原始复杂的非线性运算转化成几步较简单的有闭合解的运算,对这些子问题结合运用快速迭代收缩阈值算法（FISTA）和分裂Bregman算法来分别求解.结果表明,提出的新方法保持了与传统梯度下降方法相一致的定位精度,但将迭代速度提高了10倍以上,具有更高的运算效率.      

基于最大后验概率的逆半调改进方法

针对Bayesian算法以误差分散核为先验、时空复杂度高的缺点,提出一种逆半调改进算法.首先根据误差分散半调图的噪声特性设计去噪预处理器,然后以预处理图像为初始值,依据最大后验概率准则,采用基于矩阵运算的迭代方法估计逆半调图像.所构造的逆半调算法与Bayesian算法相比,逆半调图像平滑且边缘清晰,时空复杂度大大降低.仿真结果表明:N×N维图像的空间复杂度由8N2降至81N,运行时间降为原来的15%左右;采用Floyd-Steinberg半调图,该算法的峰值信噪比(PSNR)与小波算法相当,采用Jar-vis半调图,PSNR值较小波算法提高了0.3~3 dB.