Bayesian框架下单帧非压缩图像超分辨率重建的研究

超分辨率图像重建技术有着深刻的理论内涵，广阔的应用前景。该技术可以针对静止的非压缩图像信号，也可以针对压缩的运动视频信号。而对单帧非压缩图像的重建研究是超分辨率重建技术研究的基础。超分辨率重建主要有凸集投影（POCS）和最大后验概率（MAP）两种方法。在Bayesian框架下对单帧非压缩图像的超分辨率重建方法进行研究分析，为后续研究做好准备工作。     

一种用于车牌识别的图像超分辨率算法

仿效人类的视觉认知过程,提出面向目标的图像超分辨率算法.只需从一幅车牌图像就可以恢复目标的细节信息.该算法使用先检测、后重建的思路,通过联合稀疏编码建立目标高低分辨率图像片之间的关系,以目标可以稀疏表示为先验,检测到目标区域后,通过压缩感知重建图像.实验表明,重建图像的峰值信噪比(PSNR)较传统方法约有2 dB的改善.此外,还验证了超分辨率重建改善了车牌识别结果,可以消除20％的错误识别字符.     

基于正则化的超分辨率重建研究

超分辨率重建技术是指将同一场景拍摄得到的低分辨率图像融合在一起,并去掉模糊和噪声,从而重建出高分辨率图像的技术,是近年来重要的研究领域之一,具有广阔的应用前景。本文详细介绍了超分辨率重建技术的数学模型和解决超分辨率病态问题的方法。通过引入空间域正则化的方法加入到超分辨率的重建过程中,从而大大改善了超分辨率重建算法的稳定性,提高了超分辨率重建的质量和视觉效果。     

基于SRGAN技术的图像超分辨率重建研究

图像的分辨率在图像中是一项及其重要的参数,用于蕴含图像的重要信息。而实际上,可能受多方面环境因素的影响,高分辨率的图像往往不容易采集到。为解决低分辨率图像给采集数据带来的种种问题与影响,人们开始研究超分辨率技术。超分辨率技术是指将拍摄到的低清分辨率的图像使用重建的技术来得到更高清分辨率的图像,从而达到获取图像上更多信息的效果,主要的应用场景有医学影像仪器、监控设备以及卫星图像等。普通意义上的图像超分辨率重建一般是将图像直接放大或者进行缩小,对图像的实际超分辨率重建效果不是很明显。为解决传统超分辨率重建对图像质量改善不大的情况,引入基于神经网络的SRGAN。SRGAN使用生成式对抗网络架构(GAN),~([1])以优化损失函数为目标,生成图像中的某些细节。本文将描述SRGAN在应用中的具体实现过程,通过分析模型中的损失函数以及模型的训练过程,对其重建效果以及产生的问题进行深入探讨。     

图像超分辨率重新建立技术综述

超分辨率重新建立技术,指代的是通过将一幅或者多幅的低分辨率图像中的信息进行整合,重新创建出一幅具有高分辨率的图像。与此同时,可以将成像器件导入的模糊图像和噪音清除。超分辨率重新建立技术具有广泛的使用领域,在国内外受到众多科学家的关注,并成为重点研究的热点之一。文章对超分辨率重新建立技术的基本原理进行论述,分别介绍了超分辨率重新建立技术的经典方法,并总结出各方法的优点和缺点,为研究者对超分辨率重新建立技术研究提供一定的理论帮助。     

压缩视频超分辨率重建中的几个关键问题

在此分结合经典超分辨率重建理论,讨论了压缩视频重建过程需要考虑的几个因素,指出了降质模型和运动估计的重要性。还对压缩视频超分辨率的两种重要算法进行了介绍,分析了它们对量化误差的不同应用。     

压缩视频超分辨率重建中的几个关键问题

在此分结合经典超分辨率重建理论,讨论了压缩视频重建过程需要考虑的几个因素,指出了降质模型和运动估计的重要性。还对压缩视频超分辨率的两种重要算法进行了介绍,分析了它们对量化误差的不同应用。     

一种基于图像超分辨率技术的图像质量提升技术

<正>在飞行试验中,由于视频遥测带宽限制,飞机上加装的相机或者机载视频数据在有限带宽下,需要进行低码流压缩,导致视频信息失真、受损或者不够清晰,影响视频监控效果。因此,需要进行失真图像的超分辨率重构或图像清晰度提升技术研究,提升图像的质量。本文的研究主要是通过图像超分辨技术,建立失真图像及低分辨率图像与高分辨率图像之间的映射关系,通过深度学习方式构建超分辨率学习网络,对大量LR-SR图像进行训练与学习,     

基于稀疏表示块和全变分的超分辨率重建研究

针对传统的基于稀疏表示超分辨率重建存在不能同时保存边缘与纹理结构,并且在线运行时间长的问题。一种基于稀疏表示块的超分辨重建算法被提出,首先通过图像训练PCA字典集,然后应用PCA算法得到相应的聚类子字典,在重建的过程中引入全变分正则项,以便联系图像局部之间的信息和加强保存重建过程中的图像纹理特征。最后用分步算法求目标函数,重建得到高分辨率图像。大量的仿真实验结果证明,与传统的超分辨率算法相比,新算法能够改善图像结构特征信息,评价指标值也有一定的提高。     

基于稀疏表示的图像超分辨率

本文主要研究了基于稀疏表示的超分辨率重建算法。此算法分别要将高低分辨率图像训练成两个图像字典,再利用稀疏表示算法为每一幅分辨率图像在低分辨率字典中估计出稀疏系数,最后利用得到估计的系数和高分辨率字典进行高分辨率图像重建。     

超谱图像压缩研究现状和分析

由于超光谱图像（Hyperspeclral lmagery）具有大数据量和较高的波段数的特点，使得超谱图像压缩成为人们关注的研究领域。但由于种种原因，一直没有形成一套成熟或标准的超谱图像压缩技术。从有损压缩和无损压缩出发，综述了几类针对超谱图像压缩方法，力图为超谱图像压缩寻找突破点。     

活细胞超灵敏结构光超高分辨率显微镜

由于超分辨率显微镜需要额外的照明来换取更高的空间分辨率,导致了现在的超分辨率显微镜存在时间分辨率低和记录时间短两个问题。虽然结构光照明显微镜在获得超分辨率图像和所需要光子数方面有一个更好的平衡,相比其他超分辨率技术更有优势,但是传统的结构光照明显微镜的重构方式在信噪比比较低的时候会明显存在伪影。在本文中,我们利用生物样本在xyt三维空间的连续性作为先验知识,发展出了基于海森范数的正则化方式,并用来重构出伪影更少的结构光照明显微镜的超分辨率图像。与维纳反卷积这个经典的重构算法相比,海森反卷积只需要在成像时百分之十的光子数就可以达到同样的超分辨图像的重建效果。在激光强度为8—250W/cm2的情况下,海森结构光照明显微镜在活细胞中对快速分泌的囊泡、内质网等进行空间分辨率达到88nm,时间分辨率达到188Hz的超分辨率图像重建。全新的时间分辨率和空间分辨率使得我们可以在囊泡分泌过程中观测到新的中间态,观察到了囊泡靠近细胞膜的过程,以及之后的分泌小孔进一步扩大的过程这两个囊泡分泌过程中中间状态。使用基于海森正则项的结构光照明显微镜,我们可以在活细胞中观测到清晰的线粒体嵴。以及嵴结构在线粒体融合,线粒体分裂过程中的动态活动,甚至是单个没有发生融合或者分裂的线粒体内的嵴的融合的过程。     

基于压缩感知理论和空域下采样技术的图像压缩方法

本文首先将原始的高分辨率图像进行空域的下采样,将高分辨率图像转化为低分辨率图像后,再对低分辨率图像进行压缩感知采样,最后可以对重建后的低分辨率图像进行插值重建后得到高分辨率的图像。该方法复杂度都较低,实现了高效的图像压缩。     

基于向量夹角的单幅图像超分辨率算法

在分析一些常见的图像超分辨方法的基础上,根据张量在图像处理中的应用和插值处理的特点,提出了一种基于张量的单幅图像超分辨处理方法,以提高图像的分辨率。通过对标准图像库的图像进行实验表明,该方法能较好地保持原图像中丰富的高频信息,提高图像分辨率,而且图像主观上具有很好的视觉效果,客观上具有较高的信噪比,是超分辨率图像处理中一种行之有效的方法。     

浅析超高清数字电视视频压缩编码技术

超高清数字电视现已成为全国热议的焦点,研究业对其展开了深入的研究。由于超高清数字电视的分辨率很高,所以导致其在运行时必须配备相应的大容量信号数据装置,以满足超高清分辨率对信号的需求。结合超高清数字电视压缩编码技术的特点,本文对超高清数字电视运行中应用到的食品压缩编码技术作详细探析,得出结论供同行参考借鉴。     

小波分析在图像压缩中的应用

小波分析是一种多层次分解函数的数学工具,图像信号(数据)经过小波变换后可以用小波系数来描述,小波系数可以从不同尺度,不同分辨率上体现图像的概貌信息和图像的局部细节信息。因此,基于小波变换的图像压缩算法,压缩效果良好,在未来会有广泛的发展空间。     

电阻层析成像逆问题的仿真研究

本文以基于电阻传感机理的16电极电阻层析成像系统为研究对象,主要工作为用Matlab编写了一个电阻层析成像仿真软件包,该软件包利用有限元方法(FEM)对ERT正问题进行求解;用于完成利用Tikhonov正则化的牛顿-拉夫逊算法对正问题仿真数据进行图像重建,针对仿真试验数据进行了分析和比对,最后探究了图像重建误差的计算方法,使重建图像的优劣有了在数值上的比较。     

基于三维导航的CT虚拟内窥镜的实现与应用

随着MSCT扫描技术的发展,薄层扫描图像被越来越多地应用于临床,由于薄层扫描图像具有更高的空间与时间分辨率,这为基于CT图像的虚拟内窥镜等后处理技术提供了更加广阔的应用前景.目前国内外对CT虚拟内窥镜的研究很多,尤其是在虚拟内窥镜的导航方法上存在一定的难度,目前的导航方法是(1)采用MPR图像的二维导航方法;(2)采用预先计算的规定路径导航.上述两种方法均存在不足.本文提出了一种直接三维导航的方法,该方法采用了一种改进的三维自适应容积重建算法,在此基础上,跟踪观察视点在体数据场三维笛卡尔坐标系中的运动方向与轨迹,同时可以在X,Y,Z三个自由度上反映和控制其轨迹与方向的改变.文中采用上述方法实现了三维导航的CT虚拟内窥镜功能,应用结果表明,该方法比常规的方法具有优越性.     

基于HVS和DWT数字图像水印算法的研究

文章采用了一种基于离散小波(DWT)多分辨率分解的数字水印技术,研究了水印算法,将图像进行三级小波分解,产生三个高频带系列子图和一个低频带子图。由于人眼对高频信息的敏感度低于对低频信息的敏感度,因此,采用了把水印嵌入到小波图像中的高频系数中。通过MATLAB仿真实验实现了将水印信息嵌入到原始图像中的技术,再对含水印图像加椒盐噪声、高斯低通滤波和缩小50%再放大200%进行攻击以及JPEG压缩实验仿真,结果表明所提算法具有很好的视觉效果和鲁棒性。     

LD夜视成像探测中基于PSF的超分辨率重建技术研究

夜视目标识别在视频监控中起着非常重要的作用。从早期的红外热成像发展至今,激光夜视成像系统被广泛的应用。它不仅受到大气吸收和散射特性的影响,还与光学系统中的透镜及传感器的衍射极限有关。在既有成本下,通过图像复原和超分辨率重建,可以尽可能的提高夜视成像的成像质量。很多学者的研究结果表明,成像系统的点扩散函数作为先验知识,可以提高图像复原的质量。因此,本文在最大后验概率框架下,实现点扩散函数与凸集投影超分辨率重建相结合,并应用到半导体激光夜视成像探测系统中,客观的图像质量评价标准被用来决定迭代次数。目标识别的实验结果表明,用本文提出的重建方法可以有效提高半导体激光夜视成像的范围和成像质量。