多核重复背投影图像超分辨率方法

图像超分辨率算法目前最为通用的框架是基于Bayes估计的方法，其求解方法多归于重复背投影(插值)的迭代方法．在特定的成像条件下，基于训练的多核插值滤波器估计方法具有良好的效果．考虑采样过程对图像质量的影响，我们把多核插值滤波器估计方法引入到重复背投影的计算框架下，取得了优于单独使用一种方法的超分辨率结果．     

一种多幅欠采样图像的凸集投影超分辨率重建方法

介绍了一种由多幅欠采样低分辨率图像重建一幅高分辨率图像的凸集投影超分辨率重建技术。首先介绍了超分辨率空间域迭代重建方法中一个至关重要的因素--成像过程模型;其次通过介绍凸集投影的理论依据,给出了插值-模拟采样迭代超分辨率重建方法的模型和重建步骤;最后通过实验数据对算法进行了验证。     

融合多次运动估计的图像序列超分辨率重建算法

随着成像传感器的广泛使用，对图像以及图像序列分辨率的要求越来越高。图像序列超分辨率技术受到广泛的重视。超分辨率技术通过信号处理的方法，由低分辨率图像序列中恢复出高分辨率的图像。它的理论基础是信号重建理论。在图像传感器成像过程中，CCD面阵对投影图像进行采样。     

基于MLX90620的低成本红外热成像系统设计

开发了一种基于非制冷红外焦平面阵列的红外热成像系统.为降低成本,系统选用具有16 pixel ×4 pixel输出像素的红外焦平面阵列探测器MLX90620进行红外辐射强度探测.为获得高分辨率、高质量的红外图像,提出一种将多项式插值与双线性插值相结合的算法,先利用多项式插值提升热像分辨率至64 pixel×16 pixel,再通过双线性插值算法扩充分辨率至256 pixel ×64 pixel,对人体进行热成像实验表明:该算法在提高图像分辨率的同时,保留了更多的细节信息.     

频域二元纯相位编码压缩成像

超分辨率被认为是光学成像和图像处理的"圣杯"之一.压缩感知理论的引入给出一种新的实现从单幅低分辨率图像的超分辨率重构方法,避免了传统超分辨率方法需要多幅亚像素图像的弊端.在分析压缩感知测量矩阵与光学成像系统之间对应约束异同的基础上,提出一种基于4-f光学架构的频域二元相位编码压缩成像方法,可以实现在单次曝光条件下获得的单幅低分辨率测量图像中实现超分辨率重建,不需要其他任何额外的信息采集.二元相位掩膜比均匀相位掩膜更容易物理实现,是压缩成像物理实现的一种更加可行的方案.模拟实验表明提出的方法可以有效地捕获图像的信息与高精度重建.此外,对于大尺度图像重建,该方法在重建时间方面优于Romberg提出的随机解调方法,在更符合实际方面的采样策略方面优于Yin提出的RecPC方法.     

图像插值技术综述

图像插值利用图像已知采样点的灰度值估计未知采样点的灰度值,是图像数据的一种生成过程。图像插值的目的在于通过升采样的方式提高图像的分辨率。本文分析了图像插值与图像超分辨率重建的区别;综述了目前常用的图像插值算法及其优缺点;对基于边缘的插值算法中涉及到的边缘作出了自己的理解与阐述;同时,从主观和客观两方面介绍了当前图像插值质量的评估标准,并用实验结果说明不同降采样方式对图像插值结果的影响;最后给出了未来图像插值的发展形势及前景。     

三维CT层间图像超分辨重建与修复

CT图像在疾病诊断、癌症精准放疗阶段发挥着重要的作用.然而,受X射线剂量的限制以及现有医疗设备等因素的影响,三维CT图像成像采样间距较大,层间分辨率远低于层内分辨率.为提高CT图像的层间分辨率,避免因相邻层CT图像之间存在较大差异对超分辨率重建造成干扰,提出一种在相邻CT图像序列切片间利用上下层的配准信息插值出一个新的中间切片,并对插值得到的中间切片进行修复的方法.首先,利用CLG-TV光流估计模型配准算法估计相邻2幅CT图像之间的像素运动,得到一个稠密的光流场,从而获得2个连续切片之间精确的像素对应关系,并依据新切片位置对速度矢量进行缩放;然后,利用计算出的速度场在连续2幅图像之间生成初始插值图像.由于相邻切片之间的像素难以一一对应,插值后的图像通常存在像素缺失现象.最后利用序列图像的帧间非局部自相似性,通过求解最优化问题以修复插值图像中像素丢失的区域.在DIR-Lab实验室和山东省医学影像学研究所提供的数据集上的实验结果表明,与其他经典方法相比,文中方法能够生成高质量的中间CT切片,在定量和定性上提高了层间分辨率.     

一种基于NSCT分解的图像插值算法

由于成像系统内部和外部的因素,使得获取的图像产生退化。为了尽可能地保持CCD图像的基本信息,提高图像的视觉效果和空间分辨率,同时克服传统插值算法存在的缺陷,提出了一种基于非采样Contourlet变换(Non-Subsampled Contourlet Transform,NSCT)分解的图像插值算法,利用NSCT提取高频成份,原始低分辨率图像经过双线性插值放大充当低频部分,再经过NSCT逆变换得到放大后的高分辨率图像。实验结果表明,相对于传统的双线性插值算法,所提出的基于NSCT分解的图像插值算法考虑到全局相关性,得到了更加清晰的边缘信息,从而得到更好的图像插值放大后的视觉效果。     

基于边缘检测的全景环形图像插值复原

在管道内壁形貌检测系统中,由全景环形透镜(PAL)组成的观测系统在没有活动部件的条件下,能够同时观测到绕光轴360°的物体,并且由于其独特的成像性能,能够产生一个环形像.但是所成环形像不便于人眼观察和测量,有畸变和失真.为此将环形像无失真地展开为常规平面像,需要解决环形像由外到内压缩引起的分辨率降低的问题.根据PAL成像的特点,以全景图像的最高分辨率为基准,采用一种基于边缘检测的插值方法,对边缘部分采用三次卷积插值法,非边缘区域采用双线性插值,此结果同双线性插值和三次卷积插值进行比较,较好地恢复了图像细节,同时减少了图像复原的计算量.     

基于CCD亚像元细分原理的点目标自动采样算法

该文首先从短焦距镜头和给定CCD成像阵列的成像特性出发，分析了实现亚像元成像与定位的必要性。在对比提高像素分辨率和提高测量分辨率这两种亚像元动态成像技术之后，研究了如何在保持现有硬件系统不变的情况下，通过软件插值细分实现亚像元定位的方法。针对点目标图像可能存在的“方块效应”与“细节退化”现象，结合点目标灰度特性处理技术，改进并完善了邻域线性插值细分方法。从而，提出该基于CCD亚像元细分原理的点目标自动采样算法。实验结果证明：该算法简单、可靠、稳定、快速，并具有一定适用性，为相关领域内的应用提供了宝贵的参考价值。     

基于斜侧视圆周扫描的近场微波成像算法

针对传统小角度转台成像对大转角目标不能很好聚焦这一问题,研究了基于斜侧视圆周扫描的近场转台成像系统,提出了一种近场大转角成像算法,采用角度域卷积运算,可以快速得到目标的散射点分布,并能够进行很好的聚焦。本文根据点扩散函数给出了圆周扫描成像系统的分辨率计算公式,并推导了频率域和角度域的采样间隔。最后通过仿真和实验结果对该算法进行验证,结果表明该算法具有近场成像的能力,且能够得到高质量高分辨率的目标像。     

带距离徙动校正的压缩感知PFA成像方法

目的 极坐标格式算法（PFA）是合成孔径雷达（SAR）聚束模式下的一种高分辨率成像算法,方位向增加孔径长度带来了数据存储和传输的负担,利用压缩感知进行合成孔径雷达成像可以减小采样率,以前的研究往往认为图像是2维可分离的而忽略距离徙动的影响,造成了图像质量的下降。提出一种在方位向利用压缩感知处理的PFA成像算法,可以校正距离徙动,保证压缩感知成像的图像分辨率。方法 在方位向进行压缩感知处理的过程时,采用了随距离空间频率变化的傅里叶基。结果 该方法可以有效代替PFA处理过程中的方位向插值,消除距离徙动的影响,保证距离向和方位向的分辨率。结论 仿真和实测数据的处理结果证明了该方法的有效性。     

A novel super-resolution image and video reconstruction approach based on Newton-Thiele’s rational kernel in sparse principal component analysis

In this paper, we propose a new image and video sequences reconstruction approach, where the Newton-Thiele’s vector valued rational interpolation is combined with the sparse principal component analysis. Through observation of the degraded model, the reconstruction scheme is performed by two steps. Firstly, the sparse principal component analysis and the linear minimum mean square-error estimation method are used to remove the noise from the degraded image. And then, the Newton-Thiele’s vector valued rational interpolation is used to magnify the denoising result, by which the details and texture regions of image can be well preserved. By using this novel reconstruction model by Newton-Thiele’s rational kernel in sparse principal component analysis, the final reconstructed results not only have good visual effect, but also have rich texture details. In order to show the effectiveness and robustness of the proposed method, we have done plenty of experiments on images and video sequences, and the experimental results show that the proposed method can produce better high-quality resolution results, as compared with the state-of-the-art methods.     

基于多通道并行采集的部分可分离函数高分辨动态磁共振成像

部分可分离函数(Partial Separability,PS)是一种高分辨动态磁共振稀疏成像模型,可以对心脏等运动目标实现高 分辨动态成像,然而该模型需要充足的扫描数据才能进行图像重建,因此存在扫描时间较长的缺点。文章在 PS 模型基础 上,利用并行成像原理对磁共振数据进行降采样,从而缩短 PS 模型的扫描时间。数学仿真和载体实验结果表明,该方法 可以准确重建出高时空分辨率磁共振图像并且将扫描速度提高 2～3 倍。     

Sensor Geometry and Sampling Methods for Space-Variant Image Processing

: Space-variant imaging sensors have many advantages over conventional raster imaging sensors. They provide a large field of view for a given pixel count while maintaining a high resolution at the centre of the field of view and, in addition, produce a mapping that is scale and rotation invariant. The effectiveness of the sensor depends greatly upon the geometry used and the sampling methods employed. In this paper, we define a sensor geometry and introduce an ideal weighted sampling method, where the pixels in the image lying at the intersection of sensor cells, are subdivided into smaller sub-pixels, and an interpolation method using a variable width interpolation mask, whose size varies exponentially with the size and shape of the cells in the sensor array. We compare the computational requirements of these methods, and show that they are scale and rotation invariant, when the image is scaled or rotated about its centre, giving the sensor a functionality similar to that provided by the retinal mapping present in the mammalian retina. These results illustrate the advantages that can be obtained in real-time tracking applications in computer vision, where computational and memory requirements need to be kept to a minimum. Received: 29 August 2001, Received in revised form: 15 January 2002, Accepted: 15 January 2002 ID="A1" Correspondence and offprint requests to: R. Young, School of Engineering and Information Technology, University of Sussex, Brighton, Sussex BN1 9QT, UK. Email: r.c.d.young@sussex.co.uk     

An MRF-Based Approach to Generation of Super-Resolution Images from Blurred Observations

This paper presents a new technique for generating a high resolution image from a blurred image sequence; this is also referred to as super-resolution restoration of images. The image sequence consists of decimated, blurred and noisy versions of the high resolution image. The high resolution image is modeled as a Markov random field (MRF) and a maximum a posteriori (MAP) estimation technique is used for super-resolution restoration. Unlike other super-resolution imaging methods, the proposed technique does not require sub-pixel registration of given observations. A simple gradient descent method is used to optimize the functional. The discontinuities in the intensity process can be preserved by introducing suitable line processes. Superiority of this technique to standard methods of image expansion like pixel replication and spline interpolation is illustrated.     

Enhancing resolution along multiple imaging dimensions using assorted pixels

Multisampled imaging is a general framework for using pixels on an image detector to simultaneously sample multiple dimensions of imaging (space, time, spectrum, brightness, polarization, etc.). The mosaic of red, green, and blue spectral filters found in most solid-state color cameras is one example of multisampled imaging. We briefly describe how multisampling can be used to explore other dimensions of imaging. Once such an image is captured, smooth reconstructions along the individual dimensions can be obtained using standard interpolation algorithms. Typically, this results in a substantial reduction of resolution (and, hence, image quality). One can extract significantly greater resolution in each dimension by noting that the light fields associated with real scenes have enormous redundancies within them, causing different dimensions to be highly correlated. Hence, multisampled images can be better interpolated using local structural models that are learned offline from a diverse set of training images. The specific type of structural models we use are based on polynomial functions of measured image intensities. They are very effective as well as computationally efficient. We demonstrate the benefits of structural interpolation using three specific applications. These are 1) traditional color imaging with a mosaic of color filters, 2) high dynamic range monochrome imaging using a mosaic of exposure filters, and 3) high dynamic range color imaging using a mosaic of overlapping color and exposure filters.     

基于压缩感知的低数据率雷达采样与成像方法

传统的信号获取体制要求采样率大于两倍信号带宽,这使得高速率A/D转换成为经典超宽带高分辨雷达系统的瓶颈技术之一。压缩感知理论提供了一种低速率采样的信号精确采集和重构方式。本文基于压缩感知理论,提出一种新的雷达采样与成像方法。根据目标的散射特性,采用了基于小波变换的雷达目标稀疏表示方法;结合雷达成像原理,构造了基于Fourier束的最优测量矩阵。仿真实验表明,基于压缩感知的低数据率雷达采样与成像方法,能在数据率仅为传统系统数据率15%的条件下,获得良好的成像结果,尤其是能对弱小目标进行高分辨成像。本文所提的方法可为新体制高分辨率成像雷达系统的设计提供支持。