共查询到20条相似文献,搜索用时 171 毫秒
1.
针对单一先验知识不足以约束病态严重的图像超分辨率问题,本文提出了融合内外特征的图像超分辨率算法。针对图像的自相似性,通过采用基于内部特征的深度卷积网络学习来增强输入图像的细节纹理,去除超分辨率图像伪影;同时,使用基于外部图像的稀疏约束方法来学习图像结构信息,并结合高频残差字典来解决超分辨率重建中的高频信息缺失问题;最后通过卷积稀疏方法分别从基础层和细节层来融合内外特征的重建图像,以获得细节清晰、去伪影的超分辨率图像,进一步提高图像质量。与传统算法相比,本文算法在重建图像的纹理特征和质量上都得到了增强,且视觉效果与峰值信噪比较传统算法有所改善。 相似文献
2.
3.
邻域嵌入算法是一种基于学习的超分辨率算法,但是存在图像特征计算复杂和分类搜索难度大的问题.本文提出了一种基于二阶梯度比例特征的邻域嵌入超分辨率算法,其图像特征简单,分类和搜索复杂度低,同时图像库存储量小,适合于硬件实现.实验结果表明,与传统超分辨率算法相比,本文算法重建的高分辨率图像具有更丰富的纹理和更锐利的边缘,具有更好的主客观质量. 相似文献
4.
提出了采用步进频率结合平面扫描的THz雷达近场成像系统设计方案,基于宽带全息成像原理,可以实现三维高分辨率近场成像。采用多通道收发探头阵列缩短机械扫描行程,提高成像速度。给出了基于快速傅里叶变换(Fast Fourier Transform,FFT)和Stolt插值的三维图像重建算法,成像理论分辨率与波长相当。利用THz矢量网络分析仪和辅助设备,搭建了0.215~0.33 THz成像试验装置,完成了对多层金属-泡沫目标三维成像,成像分辨率达到预期水平,验证了系统设计和三维图像重建算法的正确性。 相似文献
5.
为了解决多分辨率图像融合算法在单纯CPU上运行效率低的问题,提出了一种用于在基于梯度塔形分解的图像融合算法中使用的新融合规则,并将整个融合算法在图形处理器上进行了设计和高效的实现,将计算密集的任务安排到图形处理器上执行.实验验证,融合图像保留了源图像中的显著特征.并且,与单纯CPU上的融合算法相比,该系统在不同尺寸的图像融合中都获得加速.展现了一种通过图形处理器提高多分辨率图像融合算法效率的方法. 相似文献
6.
7.
在PACS图像处理中经常会遇到分辨率和视野的矛盾问题。视野范围越大则分辨率越小,分辨率越高则视野范围越小。图像拼接技术可以有效地解决这个矛盾问题。图像拼接最终能否达到良好效果,最重要的一点就是选择一个鲁棒而快速的图像配准方法。首先介绍了图像拼接流程,然后详细分析比较了基于特征图像配准中不同特征点检测算法的优劣性。最后用C语言实现了SURF特征点检测算法,并用真实的PACS图像进行试验,验证了不同PACS图像特征点检测算法有效性。 相似文献
8.
《液晶与显示》2019,(10)
为了将超分辨率重建算法应用于医学影像领域,提升各类医学影像的分辨率,针对当前主流算法网络结构和分辨率提升倍数的尺度单一性问题,提出了一种应用于CT图像的多尺度残差网络模型。首先,通过级联多层残差块构建模型框架,残差块内采用3种尺度的卷积核提取低分辨率图像的细节特征。然后,将特征图融合在一个维度进行特征映射和数据降维,并将多尺度特征信息导入下一残差块。最后,将网络学习到的残差图与低分辨率图像融合,重建高分辨率图像。采用经过多种放大倍数处理的CT图像对网络进行混合训练,实现了一个模型可以同时支持多种倍数的分辨率提升。实验结果表明:在2,3,4倍放大因子下,该模型重建的CT图像PSNR平均较VDSR算法高0.87,0.83,1.16dB。因此,本文模型有效提升了CT图像的超分辨率重建效果,更锐利地恢复了其细节特征,同时大大提升了算法实用性。 相似文献
9.
针对光场图像空间分辨率不足的问题,提出一种融合空间和角度特征的光场图像超分辨率方法,能够同时超分辨率所有子孔径图像。算法主要由特征提取模块、特征融合模块和重建模块组成。首先,通过特征提取模块提取低分辨率光场中每个视图的2D空间纹理特征;然后,采用特征融合模块将提取到的空间纹理特征和几何角度特征进行融合,并经过多层空间角度二维卷积后得到4D光场结构特征;最后,利用重建模块将融合后的光场特征信息进行上采样,重建出高分辨率的光场子孔径图像阵列。采用4组真实/合成光场图像数据集进行测试,结果表明,与现有五种方法相比,所提方法重建图像的平均峰值信噪比、结构相似性比次优算法分别提高了2.99 dB和0.11%,图像边缘轮廓清晰。在有效提升光场图像空间分辨率的同时,所用网络参数量少、计算效率高。 相似文献
10.
宽带阵列测向系统的测向精度、测向分辨率和测向模糊等性能与阵列结构关系密切。文章首先介绍了宽带非均匀阵列设计方法和阵列测向算法,并给出了一个宽带非均匀阵列的测向仿真结果以及相应的理论分析,在宽带条件下采用非均匀布阵方式可实现信号的高精度测向。 相似文献
11.
12.
针对卷积稀疏编码算法中特征映射的准确性的问题,为了进一步提高图像超分辨率重建的的质量,文中提出一种基于卷积稀疏自编码的图像超分辨率重建算法。该算法首先在预训练阶段利用稀疏自编码器对输入高低分辨率图像分别进行训练,得到对应的图像稀疏特征表示;然后再由卷积神经网络根据得到的稀疏系数共同训练相应的滤波器及特征映射函数并更新到最优解;最后由高分辨率滤波器和对应的稀疏表示系数卷积求和,得到高分辨率重建图像估计。实验结果显示,改进算法的峰值信噪比(PSNR)结果较卷积稀疏编码算法提高了近0.1 dB,有效提高了重建图像的质量。 相似文献
13.
回顾了集群通信系统的发展历程,在对集群通信系统宽带化演进的3种路径进行分析和比较的基础上,指出了集群通信系统与LTE网络叠加将是宽带集群通信系统的最佳演进路线,给出该方式涉及的关键技术及其应用建议。 相似文献
14.
宽带雷达系统测试和性能评估中目标信息模拟精度和分辨率要求很高。针对宽带线性调频雷达运动目标的回波脉冲内多普勒频率呈现线性调频(LFM)变化特征、回波脉冲之间具有时移分布和相位相干特性的问题,采用基于数字射频存储(DRFM)系统的回波脉冲内LFM多普勒频率调制、多回波相参脉冲信号之间时移模拟的方法。探讨了基于宽带DRFM系统的高精度和高分辨率的运动目标多普勒频率信息实时模拟方法。采用仿真分析和实验验证方法,证实算法性能,运动目标的多普勒频率模拟精度/分辨率在特定条件下可达到Hz级。 相似文献
15.
针对深度图像传感器与彩色图像传感器的空间分辨率较差的问题,提出一种提高深度图像分辨率的算法,不同于传统方法,本文算法是基于机器学习的超分辨率选择机制,选择均值型、最大值型和中值型三种滤波器方法作为候选方法。首先运用高分辨率深度图像下采样和高分辨率彩色图像选择最优的滤波器,同时经过特征提取获得特征集;然后,高分辨率深度图像直接通过最优滤波器获得特征集;最后,这些特征集经过支持向量机(SVM)训练获得滤波器分类器。此外,本文还提出了一种频域特征向量,用于提高算法识别性能。无噪声和有噪声的深度图像实验验证了本文算法的有效性和鲁棒性,在真彩色和飞行时间深度图像的实验结果表明,本文算法的性能优于传统算法。 相似文献
16.
在全球新一轮技术和产业变革及行业数字化转型升级的发展趋势下,宽带集群通信技术解决了我国集群通信宽带化、安全性和产品自主可控的发展难题,填补了我国宽带集群通信技术和产业空白。介绍了宽带集群通信技术标准演进体系及各阶段标准的技术特征。 相似文献
17.
随着宽带无线多媒体技术的快速发展,数字集群技术也呈现出数据宽带化、业务多样化、终端多模化和系统IP化的发展趋势。介绍了在国家科技重大专项支持下我国开展的宽带无线多媒体集群系统的研究情况,包括系统的网络架构,信令接口、支持业务和关键技术等。具备多模兼容的宽带无线多媒体集群系统将有希望成为未来集群通信宽带化的主导体制。 相似文献
18.
基于图像分辨率增强算法的场景生成技术 总被引:1,自引:1,他引:0
针对高分辨率真实感的虚拟环境及场景浏览时变焦观察的需要,研究了基于图像的高分辨率场景生成技术。图像分辨率增强技术是指利用已采样的信息来重新构建分辨率更高的场景图像,包含单帧图像的分辨率增强和多帧图像序列的分辨率增强两种技术。对于单帧图像的分辨率增强技术,提出了一种基于熵变分的图像分辨率增强算法。该算法在贝叶斯估计和最大熵原理的基础上,将图像像素点梯度信息应用到图像分辨率增强中,从而建立起一种基于图像梯度信息的各向异性自适应分辨率增强算法。对于多帧图像序列的超分辨率复原技术,在单帧熵变分模型的基础上,将双边滤波技术引入到图像超分辨率复原中,建立了一种基于广义熵变分的图像超分辨率复原模型,提出了一种基于几何距离和梯度信息的双重加权各向异性分辨率增强算法。实验结果表明:使用本文算法得到的高分辨率复原图像具有较高的峰值信噪比和视觉质量,与传统图像分辨率增强算法相比具有一定的优势。 相似文献
19.
随着宽带无线多媒体技术的快速发展,数字集群技术也呈现出数据宽带化、业务多样化、终端多模化和系统IP化的发展趋势。介绍了在国家科技重大专项支持下我国开展的宽带无线多媒体集群系统的研究情况,包括系统的网络架构,信令接口、支持业务和关键技术等。具备多模兼容的宽带无线多媒体集群系统将有希望成为未来集群通信宽带化的主导体制。 相似文献
20.
基于DSP系统的超分辨率图像重建技术研究 总被引:5,自引:2,他引:3
由于航空光电设备造价与体积等的限制,需要在不改变航空光电设备硬件结构的前提下,获取尽可能清晰的图像或视频。文章提出了基于DSP图像处理系统的超分辨率重建方法,首先利用Fourier-Mellin变换法和Keren算法的联合优化算法进行运动估计;然后利用基于边缘保持的凸集投影简化方法进行超分辨率重建;最终结合DM642的特征,在不降低精度的前提下,对算法进行优化实现。该方法在不增加系统结构体积和成本的前提下,有效地提高了成像系统的分辨力,进而提高系统的目标识别能力。在以DM642为核心嵌入式图像处理平台中实现超分辨率重建实验,所采用的相机分辨率为720×576,整个重建的时间由传统的几分钟甚至几十分钟下降至20s左右。实验结果表明,用本文方法重建出的图像细节明显比单帧插值的图像清晰,图像的平均梯度和信息熵有了明显提高。 相似文献