基于振铃抑制的多视频超分辨率重建

为了利用较少低分辨率视频序列实现多视频超分辨率重建,本文提出一种将时空分别进行重建的算法。首先利用已有方法进行时间重建,再以得到的高时间分辨率的视频序列帧为参考帧,结合输入低分辨率视频序列帧进行空间重建。此外,针对传统重建方法在配准不精确的情况下会产生振铃现象这一问题,提出一种加入自适应惩罚项的改进迭代反投影(IBP)算法。实验结果表明,本文算法在输入低分辨率序列较少的情况下,能较好地实现多视频超分辨率重建,且能有效抑制振铃现象;重建出的高分辨率视频序列的结构相似度较对比算法提高3.4%~6.1%;在主观感受上,图像边缘锐利、人工效应少。     

基于L曲线的自适应时空正则化视频超分辨率重建

为了解决视频超分辨率重建的病态问题,以得到良好的重建效果,提出了一种新颖的视频超分辨率重建算法。在算法中引入了时空联合正则化算子,通过视频帧本身的空间平滑信息和视频相邻帧的帧间相关先验信息的引入,提高了解的质量;同时,为了选择合适的时空正则化系数,提出了基于L曲线的自适应时空正则化系数计算方法,可以自适应地计算合适的正则化系数。通过对模拟图像序列和真实视频序列的实验结果表明,算法能得到较为精确的解,重建出具有良好视觉效果的高分辨率视频。     

一种基于子像素配准视频超分辨率重建方法

为了提高视频的空间分辨率,提出了一种利用帧间运动信息进行超分辨率重建的方法。对于整个视频的重建,提出了一种基于滑动窗的分段重建模型。在每一个滑动窗中,首先对相邻帧进行子像素级精度的运动配准;然后通过迭代反投影算法进行超分辨率重建。在配准算法中,提出了一种基于四参数刚体变换模型的配准方法,通过迭代求解和高斯金字塔图像模型由粗及精地进行运动估计。分别对模拟图像及实拍彩色视频进行重建,实验结果表明,该配准算法具有较高的精度,重建算法取得了较高的峰值信噪比(PSNR)值,重建视频具有更好的视觉效果和更高的分辨率能力,可被广泛应用于在帧间主要存在平移和旋转运动的视频序列的超分辨率重建。     

视频超分辨率重建技术综述

在获取视频过程中,有许多因素会导致视频质量的退化,使得视频的空间分辨率降低;而摄像机曝光时间和拍摄帧率又限制了视频的时间分辨率。视频超分辨率重建是一种能有效提高视频时间分辨率和空间分辨率的方法,已经在计算机视觉和图像处理等领域引起了广泛关注。详细阐述了视频超分辨率重建研究的概念和必要性,并较全面地回顾了超分辨率技术近年来的发展历程,对视频超分辨率重建中关键问题进行了较为深入的分析,指出了当今研究难点和今后的研究方向,对视频超分辨率重建的应用前景进行了展望。     

超分辨率重建技术研究进展

超分辨率(Super Resolution,SR)重建技术是指由一些低分辨率(Low Resolution,LR)模糊的图像或视频序列来估计具有更高分辨率(High Resolution,HR)的图像或视频序列,同时能够消除噪声以及由有限检验器尺寸和光学元件产生的模糊,是提高降质图像或序列分辨率的有效手段。首先介绍超分辨率重建所基于的成像系统模型,并对现有的图像超分辨率重建算法进行总结,重点对基于学习的超分辨重建算法进行对比分析,最后指出超分辨率重建技术的发展方向。     

超分辨率重构

利用低分辨率的图像序列来估计高分辨率图像的方法称为超分辨率图像重建,逐步成为当前科研热点。本文通过POCS视频图像重建算法为例,阐述了超分辨率的概念应用场合及基本策略和分类,并对超分辨率的重构方法和前景进行了展望。     

基于视频模式识别的快速超分辨率重建

针对传统超分辨率重建方法运算量过大的问题,提出一种快速超分辨率重建算法。该算法在快速最大后验概率（MAP）重建算法的基础上,针对车牌识别的特定应用进一步简化了代价函数。该算法从低分辨率的图像序列中提取出高分辨率的图像。这些高分辨率的图像不仅极大地提高了车牌的识别率,也降低了获取高分辨率图像所需成像系统硬件的要求。移动车辆视频的盲重建实验表明,该算法能够有效地提高车牌图像的质量,而其运算量要远远小于其他的超分辨率重建方法。较低的运算量使得该算法能够有效应用于实时系统。     

超分辨率重构

利用低分辨率的图像序列来估计高分辨率图像的方法称为超分辨率图像重建,逐步成为当前科研热点.本文通过POCS视频图像重建算法为例,阐述了超分辨率的概念、应用场合及基本策略和分类,并对超分辨率的重构方法和前景进行了展望.     

超分辨率重建算法综述

随着高分辨率移动设备和超高清电视的发展,对已有的低分辨率视频进行超分辨率上采样成为最近的一个研究热点.对已有的超分辨率重建算法根据输入输出方式的不同,分为多图像超分辨率重建、单图像超分辨率重建、视频超分辨率重建三大类,综述了其中每类算法的发展情况及常用算法,并对不同算法的特点分析比较.随后讨论了多图像超分辨率重建和单图像超分辨率重建方法对视频超分辨率重建方法的影响,最后展望了超分辨率重建算法的进一步发展.     

压缩图像的变换域凸集投影法超分辨率重建

在压缩格式中,视频序列被表示为运动矢量和传输系数的组合,而这些信息并没有被传统的超分辨率重建算法利用.在文中,直接利用量化间隔信息,采用凸集投影(P0CS)的方法,给出了一种基于运动补偿的,离散余弦(DCT)域的算法模型,重建一幅高分辨率图像.实验表明,该方法能得到比普通解码或空间域重建更好的效果.     

一种差分SAR层析高分辨成像方法

城区建筑的4维成像是差分SAR层析的重要应用领域之一。此种应用背景下,如何利用空间-时间2维平面内稀疏分布的观测数据,在保持方位向-距离向分辨率的同时实现高程向-形变速率向的高分辨成像是差分SAR层析面临的难点问题。在确定性点目标模型下,基于松弛(RELAX)算法,该文提出了一种适用于城区建筑目标的差分SAR层析高分辨成像方法。与统计模型下的空间谱估计方法相比,该方法无需多视处理,能够保持方位向-距离向分辨率。与奇异值分解方法相比,该方法具有更优的高程向-形变速率向分辨能力。在仿真实验和Envisat-ASAR实测数据处理中,该方法的有效性得到了验证。     

一种有效的二维DOA估计算法研究

为了获取用户空间位置,实现通信容量倍增的目的,采用时空DOA矩阵方法,并提出了一种有效的改进算法——时空虚拟DOA矩阵方法。做了60多次Monte—Carlo仿真实验,获得时空DOA矩阵方法和时空虚拟DOA矩阵算法的仿真结果。得到的结论是时空DOA矩阵具有很强的分辨能力,且能解决二维估计中的角度兼并问题,时空虚拟DOA矩阵算法可以估计超过阵元数的信号,具有较高的分辨性能和较好的稳健性。     

基于冲突消解多无人机协同航路规划算法仿真

针对多架无人机同时攻击同一目标的问题,提出了一种基于冲突消解机制的航路规划算法.通过分析协同规划中的各种约束条件及任务要求,从规划终点同时、同步扩展每架无人机的飞行航迹,并采用不等步长扩展法反映每架无人机的飞行速度,在扩展节点的同时进行各项约束条件的检查和消除,保证多条航迹间的时空协同;最后通过数学仿真验证了该算法的可...     

基于FPGA的图像超分辨率算法的实现

为了能够在硬件上实现高质量、高效果的视频图像超分辨率,本文提出了一种基于FPGA的自相似性超分辨率算法的实现。首先介绍了基于自相似性的超分辨率算法的基本原理和算法流程,接着提出了视频超分辨率引擎硬件设计的系统结构,并详细叙述了超分辨率引擎系统的各个模块的设计及实现,分析了系统的速度、带宽及资源。最终,在Xilinx K7 FPGA上实现了该视频超分辨率引擎。结果表明,本设计可以实时处理1080p@25Hz视频放大为4K@25Hz视频并在图像质量上取得明显的效果。     

面向UHDTV的多分辨率视频显示质量评估研究

超高清电视(UHDTV,Ultra High Definition TV)凭借其超高的屏幕分辨率可以更细腻地展现视频的内容,受到越来越多用户的青睐,然而目前超高清节目源发展有限,通常只能将低于超高清电视屏幕分辨率的视频经过插值后播放,这样处理可能会对用户主观体验带来一定的影响。如何准确评估UHDTV多分辨率视频源对视频显示质量的影响,对UHDTV业务的部署和优化起到指导性的作用。本文通过主观实验,利用SSIM算法预测视频源编码质量,并进一步分析视频源分辨率对UHDTV视频显示质量的影响,提出一种面向UHDTV的视频显示质量评估模型。实验结果表明,相比SSIM、VIFp和MOVIE三种经典的视频质量评估算法,本文模型所得视频显示质量和主观质量之间的皮尔森系数分别提高1.13%、1.89%和2.31%,斯皮尔曼等级相关系数分别提高1.35%、1.53%和2.24%,RMSE降低35.05%、36.94%和39.71%。所提模型可以更加准确地评价UHDTV视频显示质量。     

基于空时联合阵列信号处理的ESM系统

研究了基于空时联合阵列信号处理的ESM系统，该系统不仅能够提高ESM系统的方位测量精度，而且能够处理同时到达信号。给出了系统组成方案，讨论了基于特征值分解的阵列信号处理算法，分别对非相干、相干信号的DOA估计算法进行了研究，给出了仿真结果。     

基于潜在主题的视频异常行为分析

提出了一种基于时空3D-sift特征和潜在主题分布的高效异常行为分析方法。该方法首先利用时间轴上的Gabor滤波器以及3D-sift特征描述子提取视频关键字。将视频信号看作文本,则关键字就是里面的单词,pLSA算法假设在单词与文本之间存在潜在的主题,根据视频中主题的分布进行异常行为分析,而不是直接采用单词分布。针对使用Gabor滤波器提取感兴趣点产生的一些冗余点进行排除,采用并行算法降低运算时间。     

结合卷积神经网络的HEVC帧内编码压缩改进算法

近年来,卷积网络深度学习已在图像处理、目标检测等领域取得巨大成功。受其启发,将卷积神经网络(CNN)应用于传统视频压缩标准已成为一个新的研究热点。本文提出一种集成卷积神经网络的高效视频编码(HEVC)压缩改进算法,将下采样过程、HEVC的编解码过程、上采样及质量增强过程集成为一体。为高效提取视频帧的结构特征,在所提压缩算法中集成了两个卷积神经网络。提出了一种下采CNN(DwSCNN)代替双三次下采,在有效降低分辨率的同时保留细节信息,得到更为紧凑的低分辨率视频序列,将此低分辨率视频序列通过HEVC帧内编码进行进一步的数据量压缩,通过提出一个质量增强CNN(PPCNN)来改善解码后恢复到原始分辨率的降质视频序列。实验结果显示,本文压缩改进算法在低码率段与标准HEVC相比,能达到更好的质量重建,并且在接近一致的PSNR值时,能节省39.46%的时间和11.04%的比特率,本文算法的视频压缩性能优于HEVC标准算法和相关文献方法。     

基于小波变换的弹载图像分辨率及帧频控制

针对弹载视频图像在战场中的应用背景,分析了在进行弹载图像信源压缩编码时对图像分辨率及帧频的特殊处理要求。在简要介绍了小波变换及其逆变换的理论后,给出了基于小波变换的弹载视频图像的分辨率及帧频动态控制的数学模型。结合小波视频编解码专用芯片ADV611/ADV612对在进行弹载视频图像压缩编解码系统的设计时如何实现图像分辨率及帧频的控制给出了参考建议。     

Efficient multiple-example based super-resolution for symmetric mixed resolution stereoscopic video coding

In this paper, we first propose a new symmetric mixed resolution stereoscopic video coding (SMRSVC) model which can provide clear bitrate-reduction and visual merits. Based on the newly proposed SMRSVC model, we then propose a quality-efficient multiple-example based super-resolution method. In the proposed super-resolution method, the four block examples selected from the forward and backward key-frames, the reference super-resolved frame, and the interview super-resolved frame are referred so as to effectively fuse the high frequency component of the super-resolved current block of the downsampled non-key-frame, and then an enhanced super-resolved non-key-frame is followed. Based on six test stereoscopic video sequences, the experimental results demonstrate that besides the bitrate-saving effect, the proposed super-resolution method for the proposed SMRSVC model also has better quality performance in terms of six well-known quality metrics when compared with several state-of-the-art methods for the previous asymmetric resolution stereoscopic video coding model and the SMRSVC model.