基于张量投票的图像超分辨率算法

张量投票算法在提取图像主观轮廓上具有良好的效果,本文提出了一种基于张量投票的图像超分辨率算法.首先用二维张量矩阵存储低分辨率图像各像素点所处的位置特征信息,并利用稀疏张量投票将特征信息进行加强,再使用稠密张量投票产生高分辨率图像对应的二维张量矩阵.此张量矩阵包含了视觉特性强的边缘信息,最后利用该边缘信息指导高分辨率图像的重构.实验结果表明,该方法得到的高分辨率图像信噪比高、视觉效果好.     

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。     

基于小波变换的全景图像超分辨率增强算法

在研究和分析小波变换理论的基础上提出了一种基于小波变换的全景图像超分辨率增强算法,该算法充分利用了小波多分辨率分解思想,体现图像降低的自然过程;通过高分辨率小波系数,经插值逆变换可得到重构的高分辨率图像。实验结果证明该算法克服了传统的插值算法致使图像高分辨部分损失、细节被模糊的缺点,是超分辨率图像处理的一种行之有效的途径。     

超分辨率Root-Min-Norm井下定位算法

对不能处理相关信号的求根最小范数(Root-Min-Norm)算法进行了修正,对信号估计协方差运用了前后向平滑处理,在小样本条件下提高了相关矩阵和TDE(Time Delay Estimation)的估计精度.将该超分辨率算法应用到井下定位算法当中,通过仿真实验得到的统计结果表明超分辨率Root-Min-Norm算法是一种高分辨率、高精度、高稳定性的算法,具有很大的实际推广价值.     

基于SRGAN改进的人脸图像超分辨率重构算法研究

本文研究基于SRGAN改进的人脸超分辨率重构算法,在生成器网络的残差单元中加入了自注意力卷积模块,以提高网络训练中高频特征提取能力,在判别器网络中引入PatchGAN思想,强化判别器网络对高频特征细节的判别能力,关注更多的局部纹理细节,提高重构人脸图像质量。同时将WN层替换原有GAN中的BN层,在保证网络训练速度的前提下提高网络模型的稳定性并恢复出更高质量的人脸图像。     

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.     

视频图像超分辨率应用系统设计与实现

本文设计实现了一个视频图像超分辨率应用系统.文章描述了超分辨率实验平台的设计,包括系统结构、图像与视频内容、主要算法模块设计,介绍了开发该系统平台、开发该平台所使用到的关键技术,显示使用本系统处理后的图像.     

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。     

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。     

基于POCS-Mallat算法的图像处理系统优化设计

为改进图像处理算法,提升图像信息采集效果,避免图像噪点干扰,使用Mallat算法对图像进行小波处理后再使用POCS算法进行超分辨处理,并设计了残差处理以及效果评估模块对图像处理进行保障。新算法可有效提高图像分辨率以及图像锐度,尤其改善了边缘区域图像分辨率。最后通过DSP平台处理脑CT图进行仿真实验,结果表明新算法具有可行性,处理时间较短,同时也证实了图像处理的稳定性。     

一种有效的超分辨率重建计算方法

本文对于获取模型进行理论分析，导出一种有效的可以直接计算的方法，计算过程中主要采用快速傅立叶变换及小矩阵求逆，计算效率高，并将该结果扩展应用到GCV法求相应的规整化参数，并在文中给出仿真结果。     

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。     

基于模式分组和分辨率调整的盲图像水印算法

提出了一个新的基于分组模式编码和分辨率调整的盲数字图像水印算法,该算法首先在图像的空间域中随机选取相应位置系数的比特位作为水印的嵌入区间,对选出的比特位根据分组编码原理生成预嵌入模式,然后将一个二值水印图像嵌入到模式当中并对其进行分辨率调整。实验证明通过模式分组编码和分辨率调整相结合的方法,可达到水印图像透明性和鲁棒性之间较好的折中,对于各种常见的图像处理操作具有较好的抵抗能力。     

MAP算法基于数字电视广播中软决定解码中的应用

本篇文章主要讨论的是对传统的DVO-T全球数字电视系统连续解码方式进行部分的改造.即通过使用Max-log-Map软进/软出(SISO)解码方案代替Viterbi软进/硬出(SIHO)的解码方案,向RS解码器提软判定信息(而不是之前的硬判断信息),从而期盼得到更加准确的解码结果.     

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。     

利用改进相干算法提高地震资料分辨率的有效算法

利用LOG算子和改进相干算法相结合来提高信噪比和地震资料分辨率 ,并同其他方法作了比较 .模型数据与实际数据的应用效果证明 ,该方法具有较强的信噪分离作用 ,能有效提高地震资料分辨率 ,该方法是实用的 .     

基于多传感器像素分类的红外图像超分辨率算法

本文提出了一种新的红外图像超分辨率算法。算法将同场景的低分辨率红外图像和高分辨率可见光图像信息有机集合起来,得到一种基于多传感器的红外图像超分辨率正则化模型。本文将各向异性张量获取的高分辨率可见光图像信息与低分辨率红外图像做像素相关性分类,然后将分类后得到的相关边缘对二阶总广义变分模型加权,最终采用一阶主-对偶优化算法求得最优解。实验表明该算法可获得质量较高的高分辨率红外图像,并且有效抑制无关信息的干扰,在主观视觉效果和客观评价指标方面均优于其他算法。     

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。     

小议分辨率与输出图像的关系

合理的分辨率对图像输出效果起着至关重要的作用.本文首先确定分辨率的概念,然后以扫描--处理--输出这样一种常见的图像处理过程为例作了分辨率选取的探究,设法找出了分辨率如何选取的一些规律.     

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。