局部相位相关用于图像亚像素级配准技术研究

提出了一种基于局部相位相关的高效和鲁棒的亚像素级图像配准方法。通过传统的相位相关算法估计出初始平移参数后,在初始位置的引导下对互相关功率谱进行上采样矩阵Fourier变换,实现了图像局部相位相关,得到图像间亚像素级平移参数。实验结果表明,算法配准精度较高,且对随机噪声和光照变化具有较强的鲁棒性。     

结合两步估算和运动补偿的子像素运动估计

针对图像超分辨中的运动估计问题,提出了一种两步估计方法,用于估计低分辨图像帧间的子像素相对运动。第一步,采用相关法或匹配法计算两幅低分辨率图像间的整像素相对位移,对其中的一幅按估计的参数进行运动补偿,第二步,对补偿后的两幅图像使用梯度法计算小数像素相对位移。通过两步计算,得到了比较精确的帧间相对运动参数。该方法不需要对低分辨率图像进行插值,以获得图像的高分辨近似,运算速度也较快。     

基于SIFT特征的多帧图像超分辨重建

精确的亚像素级图像配准是图像超分辨重建中的关键问题.在图像超分辨重建中广泛使用的基于像素特征的光流法,对于大幅度运动场的计算很难做到精确的亚像素级配准.本文考虑了一种基于SIFT(scale invariant feature transform)特征的鲁棒性多帧图像超分辨重建算法.首先提取输入的低分辨待匹配图像对的SIFT关键点及其特征矢量.随后选取候选匹配关键点对,通过RANSAC(random sample consensus)鲁棒方法去除奇异值,并根据假设的平移性几何约束模型,获得图像对的平移运动配准参数,然后选取视场中心对应的或指定的图像帧为初始参考帧,再使用传统的超分辨重建框架获得最终的重建结果.仿真实验结果表明,提出的基于SIFT特征的图像超分辨重建方案是有效的,超分辨重建的图像质量在主观评价和客观指标上都获得了优于经典算法的效果.     

基于相位相关的小波域图像配准方法研究

小波变换是一种多尺度信号分析方法，近几年在图像处理领域受到广泛关注，它克服了傅立叶变换的固定分辨率的弱点，既可分析信号概貌，又可分析信号的细节。相位相关是一种频率域的图像配准参数估计方法，是利用傅立叶变换的平移、旋转等特性进行参数估计的。在研究多尺度小波分析和相位相关理论的基础上，提出基于小波系数的像素级相位相关图像配准方法：首先对待配准图像进行小波分解，获得低频小波系数后，再对小波系数应用相位相关进行配准参数估计。实验结果表明了该方法的可行性和有效性。     

基于SVD的相位相关方法在空间运动目标检测中的应用

相位相关方法是在两幅相似图像之间检测纯平移运动的一种比较传统的直接估计法,但由于它庞大的计算量使它无法满足实时系统的要求,并且它只能进行整数平移值的检测,因此需找到一种更好的运动估值方法。由于相位相关矩阵在没有噪声干扰的纯平移运动中是一个秩为1的矩阵,所以根据这一性质,提出了一种低复杂度的亚像素平移运动检测方法——基于奇异值分解(SVD)的相位相关方法。该方法是根据傅里叶变换的平移性质,利用最小二乘法进行线性度估计,其运算速度较传统的相位相关方法提高了近3倍。由于它利用的是频域的相位信息,对图像灰度不敏感,因此它具有很强的噪声抑制能力和抗遮挡能力,使它不仅更适合应用于受噪声和云层污染严重的空间目标的平移检测,而且能实现空间目标的精确定位。     

基于一种优化的配准算法的图像超分辨率重建

提出了一种优化的图像配准算法.该算法充分结合了时域基于全局运动模型的配准算法和频域基于傅立叶变换的配准算法,并运用到超分辨重建中.假设序列低分辨率图像之间存在旋转和平移,首先运用全局配准法求出旋转参数,对图像进行旋转补偿,然后对补偿后的图像用频域配准法估计平移参数,针对估计出的旋转参数和平移参数对序列低分辨率图像进行超分辨率图像重建,实验表明该方法能较有效地提高图像分辨的效果,并且本文还阐述了低分辨率图像帧数的影响.     

一种视频图像目标平移运动估计算法

运动估计是数字视频处理的基本问题之一,目前广泛采用的是相位关法,由于频谱泄漏和边界效应等原因,其运动估计的准确性难以保证。为此,在讨论基本的相位相关算法的基础上,引入一种用于构造二维圆对称窗函数的核回归方法,提出基于加窗预处理的相位相关法,并将其应用于运动目标的平移运动估计。对比实验结果表明,该方法能够有效地降低频谱泄漏和边界效应对运动估计的影响,提高了相位相关法对运动目标平移估计的正确性。     

基于相位相关与Keren算法的图像配准

提出了一个由粗到精的图像配准算法,它是基于相位相关法和Keren算法的两步实现法,即利用相位相关法完成大旋转角度及大平移的粗略估计,根据估计结果补偿后再应用Keren算法进行精细估计.该算法结合了相位相关法在大旋转角度大平移和Keren算法在小旋转角度小平移估计上的长处,且避开了各自的局限性及不足.仿真实验结果表明,该算法在大旋转角度大平移情形下仍可以获得高精度亚像素估计结果.     

基于相位相关法的全局运动估计算法

提出了一种基于鲁捧统计和相位相关法相结合的全局运动估计算法;由于相位相关法利用图像的功率谱信息,减少了对图像内容的依赖,具有一定的抗噪能力,因此该算法将块匹配法与相位相关相结合来计算图像间的运动矢量场,不仅减少了运算量而且能得到更加准确的矢量场;为了提高模型参数估计精度和运算效率,运用多分辨率鲁棒统计的方法来计算运动估计模型参数;航拍视频图像配准与独立运动检测的仿真结果均验证了算法的有效性。     

频域内基于邻域特征学习的单幅图像超分辨重建

针对图像重建过程中待插值点灰度估计不准确的问题,提出一种基于邻域特征学习的单幅图像超分辨回归分析方法。在输入低分辨率图像后,利用图像特征从低分辨率图像及其对应高分辨率图像的几何相似结构中学习局部协方差。对于邻域中的每一个图像块,估计4个方向的方差以适应插值像素。实验结果表明,该方法既能保证重建的高分辨率图像均匀区域的一致性,同时也能完整保留图像细节信息和边缘轮廓。     

一种改进的基于序列的超分辨率图像重建算法

该文提出了一种基于多帧的NEDI超分辨率图像重建算法。该算法先利用POCS方法将多帧序列的运动估计补偿到低分辨率图像中,然后再利用NEDI方法对补偿后的图像进行超分辨率图像重建,通过实验仿真证明该算法是有效的。     

基于混合POCS的视频图像超分辨率重建

提出混合凸集投影算法HPOCS对视频图像进行超分辨率重建,利用连续视频图像间的互异信息生成更高分辨率的视频图像.该算法首先采用图像匹配估计视频图像间的运动位移;然后进行基于的APEX盲解卷积,估计点扩散函数和理想视频图像;最后在凸集投影的理论框架下进行图像重建.实验表明,HPOCS重建后,视频图像的分辨率相对于原始图像、双线性内插图像和POCS重建图像明显提高,图像边缘更加清晰,细节信息更加突出.     

图像超分辨率技术的回顾与展望

图像超分辨率(SR)是计算机视觉中提高图像和视频分辨率的一类重要技术。近年来,得益于神经网络的成功,基于深度学习的图像超分辨率技术正在蓬勃发展,这无疑是超分辨率技术研究的主流方向。对超分辨率工作进行综述。首先,总结目前已有的超分辨率技术,根据其输入输出进行分类介绍;其次,将基于深度学习的单图像超分辨率技术分为有监督学习和无监督学习两类进行论述,并对部分具有代表性的最新超分辨率重建技术进行总结分类介绍;然后,讨论了超分辨率技术的相关问题,即性能评价指标、标准数据集,进而对几种典型算法进行实验对比;最后,对图像超分辨率算法未来的研究趋势进行展望。     

基于运动矢量投影的帧率转换算法

提出一种基于运动矢量投影的帧率转换算法。在运动估计阶段，采用连续消除算法SEA，将该算法与全搜索相结合，对块匹配准则的计算过程进行优化，可以在保证图像质量的同时减小计算复杂度。在运动矢量场投影过程中，定义一个新的运动矢量选取标准，在匹配准则的基础上添加了块的位置信息，相对于传统标准，本标准更能代表内插块的真实运动，准确性更高。在运动补偿阶段，针对投影过程中产生的重叠现象，采用自适应加权补偿插值算法，考虑所有重叠投影块的运动信息。对于产生的空洞现象，采用运动矢量中值滤波的算法来填充。实验结果表明，该算法可以减少运动信息的丢失，插值效果更加准确。     

基于粒子滤波的人脸图像超分辨率重建方法

将人脸图像超分辨率重建描述为人脸混合模型的纹理和位置参数的贝叶斯概率估计问题,将超分辨率重建的图像配准和像素融合这两个过程置于统一的概率估计框架下,并利用基于粒子滤波的参数估计算法,同时估计纹理和位置参数,从而实现人脸图像的超分辨率重建.包含灰度和位置两种先验信息的人脸混合模型,同时用于超分辨率重建的两个过程中,提高了图像配准精度和重建算法的性能,避免了通常方法在获得准确鲁棒的运动场估计时需要清晰的高分辨图像,而获得清晰的高分辨图像时又需要准确鲁棒运动场估计的困境.正面人脸合成序列图像实验结果表明,该方法获得的重建结果较为理想.     

光纤耦合的亚像元图像超分辨率重建

光纤耦合图像之间存在亚像元级位移问题,为此,提出一种基于图像互补信息的超分辨率重建算法。采用传统相位相关法进行整像元级配准,通过拟合多个谱峰值进行亚像元级配准,利用待插值点周围的4条B样条曲线实现图像插值融合。实验结果表明,该算法能提高图像空间分辨率,且复杂度较低、重建图像质量较好。     

基于单幅图像的真实感人体动画合成

由于单幅图像缺失三维信息以及完整的纹理信息,基于单幅图像的真实感三维人体动画合成极具挑战性。针对单幅图像三维信息缺失问题,提出了一种基于SMPL参数模型的三维人体几何重建方法。该方法以单幅图像为输入,先根据输入图像人体轮廓信息变形标准的SMPL参数模型分别生成与目标轮廓一致的正反面的三维几何模型,然后利用基于B样条插值的网格拼接融合算法拼接正反面三维几何,最后为了恢复正确的手部几何,利用基于B样条插值的网格拼接融合算法,将重建后的模型上错误的手部几何用标准SMPL参数模型上正确的手部几何替换。同时,针对单幅图像中纹理缺失的问题,提出了一个称为FBN（front to back network）的对抗生成网络,用于恢复被遮挡的人体背面纹理。实验结果表明,该方法生成的具有完整纹理的人体几何能够由3D运动数据驱动运动,生成具有高度真实感的三维人体动画。     

Sparsity estimation based adaptive matching pursuit algorithm

Compared with convex optimization algorithms and combination algorithms, greedy pursuit algorithms can balance operational efficiency and reconstruction precision, so they are widely used in the signal reconstruction step of compressed sensing. However, most existing greedy pursuit algorithms only work well if the signal sparsity is known, and their reconstruction performance is influenced by signal sparsity. To more accurately match the sparsity and obtain better reconstruction performance, we propose a greedy pursuit algorithm, the sparsity estimation based adaptive matching pursuit algorithm, which achieves image reconstruction using a signal sparsity estimation based on the Restricted Isometry Property (RIP) criterion and a flexible step size. Experimental results demonstrate that this algorithm provides better reconstruction performance and lower computation time, using different measurement matrices, when the sparsity is estimated in advance.     

基于运动方向预测的快速运动估计算法

利用序列图像的相邻块运动矢量的高度相关性和运动矢量的中心偏移特性,提出一种基于运动方向预测的快速运动估计算法。设计4种方向性模板,根据参考运动矢量预测出图像块的运动情况,根据不同的运动方向选择对应的方向性模板进行搜索。实验结果表明,该算法在速度和准确性方面都优于传统的快速运动估计算法。