稀疏表示下的噪声图像超分辨率重构

为了能够完成噪声图像的超分辨率重构,提出了一种基于稀疏表示的噪声图像超分辨率重构方法,可以同时完成图像去噪和超分辨率重构。首先,对样本图像和低分辨率图像进行块划分,建立样本库。其次,建立图像退化模型,采用相似样本加权平均的方式对输出的高分辨率图像块进行表示。根据输入的低分辨率图像块,计算样本块与输出的高分辨率图像块之间的相似性。提出了一种相似性描述方法,能够很好地解决噪声带来的影响。然后,采用相似性对稀疏编码优化模型进行惩罚,提出一种权值求解模型。模型可以自适应的搜索相似样本块而不需要预先设定相似块的个数。最后,求解权值,根据权值和样本块重构高分辨率图像块,并重构高分辨率图像。实验结果表明:所提出的方法较其它常见超分辨率算法的峰值信噪比可提高0.5dB左右,重构的图像细节更丰富,去噪效果更好,更适合实际应用。     

近似稀疏正则化的红外图像超分辨率重建

针对红外图像分辨率低、受噪声影响严重等问题,引入近似稀疏正则化和K-奇异值分解（K-SVD）法,提出了基于近似稀疏表示模型的红外图像超分辨率重建方法。考虑到红外图像受到噪声污染,首先建立了稳健近似稀疏表示模型。针对已有字典训练方法时间消耗巨大问题,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合近似稀疏表示模型和K-SVD方法,提出近似稀疏约束的基于K-SVD的高低分辨率字典对学习算法。最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像。为了验证算法的性能,对提出的算法与稀疏性正则化的图像超分辨模型（SRSR）和Zeyde算法进行了实验比较。结果表明,本文方法能够较好地减少红外图像中的噪声,同时获得更好的超分辨率重建效果。     

一种基于图像配准的超分辨率重建方法

为了提高配准算法的精度并改善超分辨率重建图像的质量,提出了一种具有子像素级精度的图像配准方法。首先,对基于三参数模型的图像配准方法进行介绍并优化。然后,提出了基于四参数模型的图像配准方法,由于没有直接将旋转角度参量引入到运动模型中,有效地避免了原方法中泰勒级数展时的小角度假设。最后,根据配准算法所得到的子像素级运动信息,采用迭代反投影算法进行超分辨率重建。实验结果表明：该配准算法取得了更高的精度,平均平移误差减少0.0297像素 ,平均旋转角度误差减少0.3564度;重建图像具有更好的视觉效果,平均PSNR值提高0.75dB。可以被广泛地应用于相互间主要存在平移和大角度旋转的多幅低分辨率图像的大倍数超分辨率重建,满足了实际应用要求。     

改进的稀疏表示遥感图像超分辨重建

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。     

Super-Resolution Reconstruction via Multi-frame Defocused Images Based on PSF Estimation and Compressive Sensing

Image super-resolution reconstruction is an effective method to improve image resolution, but most reconstruction methods rely on the clear low resolution images ignoring the blurred images which are also effective observations of the scene. Aiming at the problem, a super-resolution reconstruction (SRR) method via multi-frame defocused images is proposed. Firstly, according to the image degraded model, we establish the cost function of the point spread function (PSF) and utilize the particle swarm optimization algorithm to estimate it. Then, based on the multi-frame defocused images and PSFs, a joint reconstruction model is established to realize SRR by compressive sensing (CS) theory. In the CS framework, only the interpolated version of the low-resolution image is used for training purpose and the K-Singular Value Decomposition method is used for dictionary training. In addition, to solve the edge effect problem, an internal blur matrix is constructed according to the image blurring process, and a weight coefficient is introduced in the patch splicing process. Experiments show that the proposed algorithm can accurately estimate the defocused image PSF and achieve a good reconstruction effect.     

基于自相似性与多任务高斯过程回归的单帧图像超分辨率重建

在单帧图像超分辨率问题中,基于高斯过程回归的超分辨率算法没有挖掘相似图像片间的关联关系或者无差别地用相似图像片来扩充训练集合,都会导致重建的高分辨率图像中存在明显的噪声和伪影。对此提出了一种基于多任务高斯过程回归的超分辨率算法。该算法通过引入多任务学习思想,将输入的低分辨率图像进行分片处理,把每一个图像片的超分辨率过程视为一个任务。在对相似任务建模的过程中,通过最优化求解的参数集合来体现任务间的共性及差异,从而使模型的泛化能力和预测精度得以提高,在重建高分辨率图像清晰锐利的同时,噪声和伪影受到明显抑制。用常见的测试图像以及公开的图像测试集合进行的大量试验表明该算法在主观评价和客观评价两个方面均优于同类型算法及当前经典算法,峰值信噪比较其它常见超分辨率算法可提高约0.5dB。     

基于自学习的稀疏正则化图像超分辨率方法

如何设计既能够保持边缘与纹理结构又具有较低计算复杂度的图像超分辨率算法是目前该领域有待解决的难点问题。在Bayesian统计框架下建立了一种新的基于稀疏正则化的图像超分辨模型。模型中的保真项度量理想图像在退化模型下与观测图像的一致性,稀疏正则项刻画理想图像在词典下的稀疏表示。该模型还引入了图像的非局部自相似性和超拉普拉斯先验作为正则化约束。为使稀疏域更好地表征高分辨率图像,选取高分辨率图像块的高频特征进行稀疏表示,由此增强了稀疏模型的有效性。将词典学习融入到超分辨率重建过程中,即直接从当前估计的高分辨率图像特征块学习词典,与从训练样本库中学习词典相比,这种自学习的方法对不同图像的自适应性更强,并且减少了运算量。实验结果表明,该方法可以重建清晰的图像边缘,减小振铃效应,并且对噪声具有很好的鲁棒性。     

基于TV-L~1分解的红外云图超分辨率算法

提出一种基于TV-L1分解的红外云图超分辨率算法。该方法采用原始-对偶算法求解TV-L1图像分解模型,将低分辨率云图分解为结构部分和纹理部分:对结构部分采用软决策自适应插值(SAI)处理;对纹理部分则基于非下采样Contourlet变换(NSCT)具有多方向和平移不变的特性,构造非线性增益函数对其NSCT变换域系数进行处理,然后对处理后的变换系数进行NSCT逆变换实现纹理增强。最后,将处理后的结构部分和纹理部分组合起来得到重构的高分辨率云图。实验结果表明,所提出的算法在视觉效果以及图像质量定量评价上均优于传统插值方法,在实现两倍超分辨率时,其峰值信噪比(PSNR)和结构相似度(SSIM)平均值分别提高了1.316 2~4.591 9dB和0.007 1~0.020 6;实现三倍超分辨率时PSNR和SSIM平均值分别提高了0.338 7~4.58dB和0.001 8~0.041 7。由于SAI插值和非下釆样Contourlet变换准确表示了云图的不同形态特征,故所提算法的超分辨率结果不但准确重建了云图中的结构部分,而且有效保持了红外云图纹理和边缘。     

高精度影像测量系统中图像的超分辨率重建

为了提高影像测量系统的测量精度,研究了基于微位移错位的多幅图像超分辨重建技术.考虑制作成本和制作难度,提出了一种不苛求精确微位移的超分辨率重建技术.首先,获取随机微位移图像序列;然后,利用被测对象中易于实现高精度提取的特征点或采用模板衬底中的特征点计算出图像序列间的准确位移关系;最后,根据本文提出的数学模型重建出高分辨...     

小波及分形理论在互有位移图像序列重构中的应用

提出一种基于小波及分形理论的插值算法,用于互有位移序列图像的重构,它既考虑了各幅图像的细节特征又考虑了图像的全局特征,使得到的重构图像更接近原图。阐述了超分辨力复原技术的理论基础及复原算法,指出了基于序列图像的高分辨力成像技术的合理性,并利用小波及分形相结合的方法对互有位移的双幅图像进行了重构,实验和仿真的复原图像表明,这种方法是可行和有效的。与传统方法相比,此种方法的PSNR提高了约5dB。     

基于MAP的自适应图像配准及超分辨率重建

图像超分辨率重建是一种将多幅低分辨率图像合成为高分辨率图像的技术.当前的超分辨重建技术主要分为图像配准和超分辨率重建2个步骤,提出一种基于最大后验概率的图像超分辨率重建算法,将这2个步骤合二为一;与此同时,为了解决配准参数以及点扩展函数估计值的不精确性问题,在每一幅低分辨率图像代价函数的残差项引入了自适应加权系数并随之...     

Formation of a high-resolution image from a series of mutually shifted images using optimal linear prediction

A high-resolution image is constructed by joint interpolation of a series of low-resolution images differing in mutual shifts which are not multiples of the sampling interval. Interpolation coefficients are determined by using correlations between the readings of the initial images. Results of experiments showing the efficiency of the proposed approach are given.     

用支持向量回归法实现单帧图像超分辨率重建

由于一些传统的超分辨率重建算法学习多幅不同类别的图像仍无法获得好的重建效果,本文提出了一种基于支持向量回归机和光栅扫描的单帧图像超分辨率重建算法。该算法首先采用光栅扫描法对一组高低分辨率训练图像提取图像块,从块中分别抽取输入向量和标签像素。利用Log算子判断这些块是属于高频空间还是低频空间,从而构建高低频空间向量对并对其进行优化。然后,用支持向量回归机(SVR)工具训练优化后的向量对,得到高低频空间下的两个字典;抽取测试低分辨率图像中的块并得到高低频空间下的输入向量,利用SVR工具回归对应的属于超分辨率图像块的标签像素并得到回归后的图像。最后,对图像进行后处理得到最终的超分辨率图像。与其它算法的对比实验表明:提出的算法具有较好的视觉效果。特别在放大倍数为2时,提出的算法在不同图像上的峰值信噪比(PSNR)和结构相似度(SSIM)值较双三次插值法分别提高了3.1%~5.3%和1.5%~8.1%。得到的结果显示提出的算法获得了更好的重建效果。     

A comparison of the analysis of the Fresnel contrast in high- and low-resolution images for the characterization of the rigid body displacements at a grain boundary

The Fresnel contrast in high-resolution images of the Σ = 3{112} aluminium twin boundary is quantitatively assessed to determine whether the rigid body displacements might be measured. It is demonstrated that the effects of the shears at the boundary preclude this possibility. By comparison, simulations of low-resolution images of the same boundary show that the Fresnel fringe contrast in this type of image is negligibly affected by the shear displacements as well as being of considerably higher contrast. The reasons why it is thus only the low-resolution images that can provide high-resolution data on the displacements are discussed.     

基于超分辨率重建的亚像素图像配准

针对低分辨率图像在配准过程中精度较低的问题,提出了一种基于超分辨率重建的亚像素图像配准方法。首先,对具有1至9像素位移的图像序列进行10倍降采样,获取具有0.1至0.9亚像素位移的图像序列。然后,根据图像的获取过程建立数学模型,以Bayes理论为基础,使用最大后验概率法(MAP)对亚像素位移低分辨率图像进行超分辨率重建,获取高分辨率图像。最后,使用具有亚像素配准精度的扩展相位相关法对图像进行配准。配准实验与噪声实验表明,所提方法的最大配准误差为0.03pixel,能实现对低分辨率图像的亚像素级配准,具有配准精度高、噪声抗干扰能力强等特点,可同时满足可见光图像与红外图像的高精度配准要求。     

基于编码-解码对称神经网络的高分辨率图像重构机理研究

针对目前许多图像重构算法存在重构出来的图像不清晰、分辨率低等问题,提出了一种基于编码-解码对称神经网络的高分辨率图像重构算法。首先将图像进行压缩获取低分辨率图像,然后将低分辨率图像作为输入图像经过编码-解码对称神经网络,并利用其中的卷积神经网络进行编码得到特征图像,最后再利用反卷积神经网络进行解码实现图像的细节恢复。实验结果表明,经过基于编码-解码对称神经网络重构出来的图像比之前的低分辨率图像更加清晰,图像的分辨率得到了提高。     

基于自学习局部线性嵌入的多幅亚像元超分辨成像

研究了软硬件相结合的亚像元超分辨成像技术。首先通过探测器扫描获得同一场景彼此错位亚像元像素的多帧图像作为训练样本和输入图像;然后针对传统的局部线性嵌入(LLE)实例学习超分辨算法过于依赖外部训练样本,不利于光电成像系统直接处理等缺点,提出了一种基于自学习的改进LLE算法;采用新的LLE权值计算方法获得正数权值,同时对初始估计再次运用自学习LLE方法恢复丢失的高频细节信息。仿真实验结果表明,该算法重构的图像的信噪比比传统LLE超分辨算法提高了0.8dB,运行时间提高了75%,视觉上可感知重构图像的细节信息更丰富。与其它方法相比,用搭载的微位移实验平台运行本文算法所获得重构图像的信噪比和信息熵都有很大提高,表明本文算法能获得高质量和高分辨率的重构图像。     

Total fractional-order variation regularization based image reconstruction method for capacitively coupled electrical resistance tomography

Compared with electrical resistance tomography, capacitively coupled electrical resistance tomography (CCERT) is preferred since it avoids problems of electrode corrosion and electrode polarization. However, reconstruction of conductivity distribution is still a great challenge for CCERT. To improve reconstruction quality, this work proposes a novel image reconstruction method based on total fractional-order variation regularization. Simulation work is conducted and reconstruction of several typical models is studied. Robustness of the proposed method to noise is also conducted. Additionally, the performance of the proposed reconstruction method is quantitatively evaluated. We have also carried out phantom experiment to further verify the effectiveness of the proposed method. The results demonstrate that the quality of reconstruction has been largely improved when compared with the images reconstructed by Landweber, Newton-Raphson and Tikhonov methods. The inclusion is more accurately reconstructed and the background is much clearer even under the impact of noise.     

Embedding of large specimens in glycol methacrylate: prerequisites for multi-signal detection and high-resolution imaging

Acrylic resin mixtures are commonly used to study microscopic sections of biological specimens, giving the advantage of good morphological preservation. Existing embedding protocols, however, are suitable for tissue blocks, not exceeding 1 mm in thickness. We have developed a protocol to embed larger specimens (up to 2 cm(3)) in Technovit 8100. This medium allowed us to perform classic histological (trichrome), silver, as well as immunohistochemical staining, needed for multi-signal detection at high-resolution imaging to reconstruct a three-dimensional interpretation of a serially sectioned muscle. The technique was applied to reconstruct the semitendinosus muscle of a fetal pig, 44 days post conception, featuring connective tissue, intramuscular nerves, blood vessels, and muscle fibre types. For the reconstruction, a technique was used that enabled us to insert high-resolution images of histological details into low-resolution images of the entire muscle.     

基于WEMD和生成对抗网络重建的红外与可见光图像融合

针对红外与可见光图像融合中边缘模糊、对比度较低的问题,提出一种二维窗口经验模式分解(WEMD)和生成对抗网络重建的红外与可见光图像融合算法.将红外和可见光图像进行WEMD分解得到内蕴模式函数分量和残余分量,将内蕴模式函数分量通过主成分分析进行融合,残余分量用加权平均进行融合,重构得到初步融合图像,再将初步融合图像输入生...