一种应用于欠采样图像的自适应稀疏重建方法

针对图像稀疏重建中因使用固定参数的全变分(TV)正则项所带来的图像细节缺失和阶梯效应问题,提出了一种自适应二阶广义全变分(TGV)约束的图像稀疏重建算法.该算法采用二阶广义全变分模型权衡图像的一阶导数和二阶导数,且能够根据每次迭代得到的重构解及对应张量函数自适应地修正权重系数,实现图像的稀疏重建.与全变分正则模型和固定参数广义全变分正则模型相比,该算法能更好地保持图像轮廓和细节信息,提高重建图像的峰值信噪比(PSNR)和结构相似度(SSIM).     

自适应约束下的双边全变差正则化超分辨率重建

在经典的双边全变差( BTV)超分辨率重建中,加权系数和正则化参数的恒定性导致重建结果边缘保持能力受限。为此,提出了一种自适应约束的BTV正则化先验模型。算法首先定义了图像的局部邻域残差均值以区分当前像素属于平坦区域还是边缘区域;然后针对加权系数的不变性导致边缘削弱的问题,利用边缘方向和垂直边缘方向扩散性的不同,设计自适应权重矩阵;最后根据代价函数的极值问题推导出迭代公式,从而进行图像的超分辨率重建,重建过程中采用自适应的方法确定正则化参数,以便求得代价函数的全局最优解,提高了算法的鲁棒性。实验结果表明：与双三次线性插值法和经典BTV算法相比,该算法取得了更好的视觉效果和更高的峰值信噪比,更多地保留了图像的边缘细节信息。     

采用自适应正则参数的超分辨率加权重建

采用L1(一阶)、L2(二阶)范数是当前较为流行的2种图像超分辨率重建算法。在对这2种算法的优缺点进行分析的基础上,提出了一种采用L1和L2范数混合加权的参数自适应双边全变差正则化重建算法,将正则化参数作为重建图像的一个函数。实验证明这种算法有很好的边缘保持和去除椒盐噪声的能力,重建图像的质量有显著提高。     

一种改进的图像盲复原算法

图像盲复原是在点扩散函数未知的情况下从退化观测图像中恢复出原图像的高频细节。本文给出了一种交替进行Lucy-Richardson恢复和全变差正则化的盲图像恢复算法。算法将图像盲恢复问题分解成图像恢复和模型辨识两个关联的子问题。在模型辨识阶段,采用全变差正则化估计系统的点扩散函数;在图像恢复阶段,使用Lucy-Richardson算法和奇异值分解相结合的方法恢复图像。实验结果证明,该方法能更好的抑制噪声、提高图像的分辨率。     

基于边缘方向扩散系数正则化的文本图像超分辨率算法

针对文档图像超分辨率重建问题,根据传统双边全变差(BTV)超分辨率算法,提出一种自适应约束的BTV正则化文档图像超分辨率算法。该算法通过引入一个图像的局部邻域残差均值,以区分当前像素点属于平滑区域还是边缘区域,然后利用垂直边缘方向和边缘方向扩散性的不同,产生自适应权重矩阵。最后通过代价函数求出迭代公式,最终实现文本图像的超分辨率重建。与相关的文档图像超分辨率方法相比较,提出的方法在视觉图像质量和字符识别精度方面均得到了显著的改善。     

基于二阶广义方向性全变分的图像超分辨率重建方法

超分辨率图像重建是增强那些低成本成像传感器系统图像分辨率的有效措施.得益于先验知识的学习,低分辨率图像可有效地被超分辨率增强.针对带有明显边缘结构的图像,现有方法没有有效利用高阶信息从而会出现一些光滑的图像细节.本文针对这种特殊的图像结构,研究一种基于二阶广义方向性全变分的重建方法来挖掘那些隐含的高阶可利用信息.二阶广义方向性全变分不仅可以作为先验知识,还能作为稀疏正则项抑制伪影和噪声.实验结果表明,本文方法可有效超分辨率重建结构边缘图像,并可获得高分辨率图像细节和纹理特征.     

基于改进稀疏表示正则化的SR重建算法

基于视觉的无人机自主导航过程中,对航路点进行准确识别是引导无人机朝着航路点方向精确飞行的关键。然而,当无人机到达航路点识别距离后,由于机载图像传感器受天气因素及成像过程中的脱焦、衍射等现象影响,常导致获取到的航拍图像模糊、空间分辨率较低,从而直接影响了后续航路点识别的精度。针对这一问题,提出了一种改进稀疏表示正则化的航拍图像超分辨率重建算法。首先,基于稀疏表示正则化框架,利用自回归和非局部相似约束构建目标函数的正则化项;其次,根据图像局部方差能有效区分图像的边缘区域和平滑区域这一特性,自适应地选取正则化参数得到超分辨率重建模型中的目标函数;最后,使用MM (Majorization-Minorization) 算法求解目标函数的凸优化问题,得到重建后的高分辨率图像。实验结果表明:与传统的正则化SR重建算法相比,文中算法能够有效的提高航拍图像的空间分辨率,使得重建后的图像包含了更多的特征细节信息,这为航路点识别提供了帮助。     

基于广义递归反演的超分辨率图像恢复研究

超分辨率图像恢复在安全监控、遥感监测、军事侦察等领域有着广泛的应用.文中提出了一种基于广义递归反演的超分辨率图像恢复算法,该算法引入正则化因子,将超分辨率图像恢复的欠定问题转化为适定问题,然后通过递归的方式来恢复超分辨率图像.仿真结果表明,该算法能从多帧低分辨率图像来恢复所需要的超分辨率图像,而且算法是稳健的和有效的.     

基于稀疏正则化结合NLS的超分辨率图像重建

为了保持高光谱(HS)超分辨率重建过程中的频谱一致性和边缘锐度,提出一种基于空间谱结合非局部相似性的超分辨率重建算法。首先,使用HS图像生成模型,采用稀疏正则化解决全色(PAN)图像和HS图像重建的病态问题求逆;然后分析了从高空间分辨率到低空间分辨率数据生成的丰度系数映射;最后利用非局部相似性,设计空间谱联合正则化项。实验结果表明,本文算法重建图像在PSNR,SSIM和FSIM方面明显高于其他优秀算法,在SAM和ERGAS方面明显低于其他优秀算法,在光谱失真方面丢失最少,仅有2%-3%,低于其他算法30%左右,且重建效果更加清晰自然。     

基于L曲线调参的FOTV-ADMM超分辨率图像重建

基于图像高频细节的重构问题,建立了全变分(Total Variation,TV)约束重建模型,选取交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解分析.TV-ADMM重建算法能够保持图像边缘信息,纹理细节的刻画却不够理想,图像平滑部分的重建出现阶梯效应和过平滑现象.为此,提出使用分数阶约束的模型算法FOTV-ADMM求解.该算法对图像纹理高频细节重建效果较好,能锐化图像边缘区域,同时为降低经验调节参数对图像重建的影响,减少调节参数的时间,引入L曲线调节参数,找出了正则化参数最优解.实验结果表明,基于L曲线调参的FOTV-ADMM算法能够更好地保留图像的纹理和平滑部分的细节特征,在峰值信噪比和结构相似度评价指标上,FOTV对高频细节的重建改善效果更佳.     

基于投影的稀疏表示与非局部正则化图像复原方法

提出一种基于投影的稀疏表示与非局部正则化相结合的图像去模糊、去噪图像复原方法.该方法结合了自适应构造字典的稀疏表示与非局部总变差,提出的正则化模型分解为三个投影子问题进行求解以提高求解效率.实验结果表明,本文所提出的图像复原方法能够有效地保持原图像的纹理细节信息,对于不同程度的退化图像上均有较好的复原结果,在视觉效果和客观评价指标上均优于相比较的现有方法.     

基于变分方法的超分辨率

基于全变分先验和变分分布.提出一个新颖的超分辨率算法,使用分级的贝叶斯框架,能够同时计算出重建的高分辨率图像和模型参数.本算法利用变分推论给出变量的后验分布近似.因为能够同时估计出模型参数,是自动的过程,无需对参数人工调节.实验结果表明所提算法在重建质量上优于当前主流的算法.     

基于振铃约束的全变差正则化图像去模糊算法

当前去模糊方法只利用图像单一的稀疏特性作为先验信息,忽略了伪边缘(如振铃瑕疵)对模糊核估计的影响,导致其去模糊性能不佳。本文充分利用复杂结构图像的先验信息,设计了振铃约束下的全变差正则化图像去模糊算法。首先,利用多分辨率图像金字塔策略建立多层图像模型,通过对比模糊图像和潜在清晰图像来获得振铃先验信息。其次,将振铃正则约束项融入全变差方法,构建多正则项去模糊模型,然后利用变量分离法将去模糊模型转化为多函数优化问题。最后,利用一阶原始对偶算法,根据低分辨率到高分辨率的顺序,对模糊核和原始图像完成计算,获取重构目标。实验结果表明：较当前图像去模糊技术而言,所提算法具备更为理性的去模糊效果,所复原的图像呈现出更高的峰值信噪比和结构相似度,可以更好地保持图像边缘与纹理信息。     

Blind single-image super resolution based on compressive sensing

Blind super resolution is an interesting area in image processing that can restore high resolution (HR) image without requiring prior information of the volatile point spread function (PSF). In this paper, a novel framework is proposed for blind single-image super resolution (SISR) problem based on compressive sensing (CS) framework that is one of the first works that considers general PSFs. The fundamental idea in the proposed approach is to use sparsity on a known sparse transform domain as a powerful regularizer in both the image and blur domains. Therefore, a new cost function with respect to the unknown HR image patch and PSF kernel is presented and minimization is performed based on two subproblems that are modeled similar to that of CS. Simulation results demonstrate the effectiveness of the proposed algorithm that is competitive with methods that use multiple LR images to achieve a single HR image.     

基于核回归正则项的图像超分辨率重建

讨论了图像成像的基本模型,并提出了一种基于调整核回归函数作为正则项的序列图像重建算法。该算法是对已经提出的核回归算法的改进,减少其在超分辨率图像重建时的运算量。而且在图像配准过程中针对图像间只存在平移和旋转变换,采用了基于矩形像素值的亚像素配准方法,以提高配准的速度和精度。利用此算法对序列图像进行重建仿真,并通过结论得出其在噪声严重的情况下具有更好的边缘保留特性。     

基于总变分正则化算法的散射计图像重构

目前业务化运行的星载散射计分辨率一般为25 km,在分辨率需求较高的应用中(如极地海冰监测、热带雨林监测、近岸风场研究等)受到了限制。散射计图像重构技术可以在不改变系统硬件的前提下,通过数据处理方法的改进,提高分辨率。现有的散射计图像重构方法(SIR)是基于图像处理领域中较早期的乘性代数重建技术(MART)。该文针对星载扇形旋转扫描散射计,将一种新的图像重构方法总变分正则化 (total variation regularization) 算法应用于散射计图像重构,并通过仿真实验说明,新算法可以在增强分辨率的同时减少噪声,提高重构图像的质量。