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。     

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。     

基于像素的遥感图像融合简介

在目前的水质遥感检测试验中,基本上采用的是单幅TM图像数据,图像的空间分辨率较低,考虑到现有的不同遥感图像产品在光谱分辨率和空间分辨率方面存在着互补性,遥感图像融合技术提供了一个很好的平台,利用图像融合技术将多光谱图像和高分辨率图像进行融合,可以获得一幅同时具有多光谱和高分辨率特征的图像,提高环境监测的范围和精度。     

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。     

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。     

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,     

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.     

用MATLAB实现图像变形

图像曼形技术是指将一幅图像平滑地变换到另一幅图像的方法,它是一种有用的图像处理方法。介绍一种简单的图像变形技术——Morphing技术的原理和算法,并给出了用MA3、LAB实现的代码。     

无人机图像与卫星遥感影像融合技术研究

伴随着近年来无人机技术的迅速崛起,无人机遥感技术也得到迅猛发展,低空无人机所采集的图像清晰度较高,分辨率达到厘米级别。遥感卫星影像的分辨率虽然也在不断提高但是与无人机图像的清晰度不可同日而语,但是遥感影像数据也具有其独特的优势,卫星遥感影像也具有光谱信息充足,纹理信息较丰富等诸多优势。所以,将无人机图像与卫星遥感影像进行融合具有重要研究价值,融合后的影像不但拥有了无人机图像的高分辨率还有卫星遥感影像的多光谱信息。本文选取了几种不同的融合方法对无人机图像与卫星遥感影像的融合技术进行了研究分析。     

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。     

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。     

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。     

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ITK的医学图像配准与显示

医学图像配准是对于一幅图像寻求一种空间变换,使该图像与另一幅图像中的对应点达到空间上的一致。将对ITK进行介绍,并讨论交互信息配准,二维刚性配准,仿射变换3种方法的实现及其结果。     

基于改进MAP估计算法的图像超分辨率重构

为了改善超分辨率复原的效果,提出了一种改进的MAP估计算法。本文通过对成像降价模型的分析,加入了像面扭曲的环节,并提出了基于Delaunay三角剖分法的校正方法,使MAP算法得到完善。为了增强超分辨率图像的细节,本文提出了基于Huber-Markov和基于POCS的改进MAP算法。通过与传统的MAP算法进行比对实验,证明了本文提出的改进算法的有效性。     

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。     

基于特征点匹配的快速双目三维重建

随着现代图像处理和模式识别技术的快速发展,人们对双目视觉系统三维重建越来越重视。本文着重研究双目视觉三维重建的系统实现方法,采用了光流等方法快速提取图像对同名点进而建立三维模型的技术方案,其中包括容错匹配、基础矩阵估计、前方交会方法等。各模块经过试验测试和验证,最终能够通过两幅图像快速恢复出三维可见表面几何形状,满足三维重建目标的要求,有一定应用价值。