基于自适应步长双参数正则化算法的超声波过程层析成像图像重建

提出了一种新的自适应步长双参数正则化算法,对超声波层析成像系统检测浆体浓度分布进行图像重建。该算法利用转换矩阵将超定解作为先验信息,嵌入到正则化泛函中,避免重建图像被过度平滑,不仅成像速度较快且重建图像具有较高分辨率。仿真实验结果表明,相比于Tikhonov正则化算法以及Landweber算法,自适应步长双参数正则化算法重建图像的相关系数有明显提高并且边界信息更加可靠。     

基于图像自相似性及字典学习的超分辨率重建算法

图像超分辨率重建技术在重构图像细节,改善图像视觉效果等方面起着重要作用.为了提高超分辨率图像的重构质量,本文结合图像自身和自然图像库信息进行超分辨率重建.先利用图像在不同尺度的自相似性,形成图像金字塔,只用单幅低分辨率图像进行超分辨率重建;然后利用自然图像库进行字典学习并以初步得到的重建图像作为输入再次处理;在图像后处理时,利用图像非局部相似性和迭代反投影,进一步提高重建效果.实验结果表明,本文的方法与其它几种基于学习的超分辨率算法比较,无论主观视觉效果上还是峰值信噪比上都有明显提高.     

摄像中的超分辨率图像重建算法研究

超分辨率图像重建技术就是利用信号处理的方法,从多幅低分辨率图像中提取更多细节信息,重建出一幅或多幅高分辨率图像的技术。文章介绍了超分辨率图像重建的概念,并且探讨超分辨率图像重建的意义和需求,然后着重研究了目前的几种主要超分辨率图像重建算法,并讨论了关于目前超分辨率图像重建算法的一些思考。     

运用稀疏表示法进行单幅图像超分辨的内点方法

稀疏表示法在单幅图像超分辨率重建问题中受到广泛的关注.本文介绍了一种使用稀疏表示进行超分辨率图像重建的方案.该方案首先由低分辨率的输入图像块求取稀疏表示系数,然后根据此系数生成对应的高分辨率图像块,最后由高分辨率块重建出整幅图像.在求取稀疏表示系数时,本文采用了一种借助预处理共轭梯度算法计算搜索方向的内点方法.仿真结果...     

一种新的超分辨率图像重建算法

超分辨率重建是提高图像分辨率的一种方法.根据图像分层变换和插值处理的特点,提出了一种将分层子带变换S+P变换(序列变换加预测运算)和插值算法相结合的超分辨率重建算法.该方法首先对图像序列进行运动估计和运动补偿,然后再对配准后的图像序列进行S+P变换,并对分解得到的高频子带进行插值,最后通过S+P逆变换得到超分辨率图像....     

基于稀疏表示的车牌图像超分辨率算法研究

介绍一种应用于车牌图像的稀疏表示超分辨率算法,依据稀疏表示理论,自然图像在合适的过完备字典下总存在稀疏的表示,为输入的低分辨率图像寻找一个稀疏表示,用稀疏系数来生成高分辨率输出图像。通过对低分辨率和高分辨率图像补丁的联合训练生成字典,该字典提供低分辨率图像补丁的稀疏表示,用来生成高分辨率图像补丁。     

超分辨率图像重建在法庭科学中的应用

超分辨率图像重建是近年来迅速发展起来的一种旨在利用某一景物的若干低分辨率图像获取该景物高分辨率图像的技术。本文介绍了超分辨率图像重建技术在法庭科学中的应用、作用、方法,并总结了相关问题和发展方向。     

多正则化形式的超分辨率图像重建

为了抑制超分辨图像重建过程中的振铃锯齿效应,本文提出一种多正则化形式的超分辨率重建算法。文章首先给出了图像降质模型并推导出了图像重构约束项。利用重构项直接对低分辨率图像进行重建,获得的高分辨图像会有锯齿和振铃效应。针对此问题,本文利用自回归模型和滤波器组先验来正则化重建过程。自回归模型用来恢复图像局部细节描述,与此同时本文利用自然图像块的聚类集来估计自适应自回归模型参数。滤波器组先验用来约束重建图像的边缘,使得获取的高分辨率的图像边缘更加锐利。最后通过实验定性与定量的分析,证实了本文算法优于其他具有竞争力的算法。     

调和映射约束下的超分辨率图像重建

针对超分辨率图像重建过程中的正则化约束问题,本文提出采用p(x)调和映射进行正则化重建,根据超分辨率图像观察模型及正则约束,给出相应的能量泛函,并采用动态偏微分方程演化来求解能量泛函.该算法在重建的过程中能够根据图像空间特性自适应地采用不同的p(x)范数进行正则化,在图像的平滑区域采用近似2次范数进行正则化,而在图像的边缘区域采用近似1次范数进行正则化.实验结果均表明该算法不仅能有效地重建图像边缘,而且能有效地改善一次范教约束重建的分片常数效应.     

一种基于自样本学习的人脸图像超分辨率复原算法

针对人脸图像超分辨率复原问题,提出了一种新的基于自样本学习的超分辨率复原算法.该算法从输入图像本身提取训练样本库,并采用矢量量化的方法对训练样本进行分类.再利用并行设计的多类预测器对每类样本进行学习训练,指导高频信息的估计重建.对来自输入图像本身的自样本训练集合和来自特定训练图像库的特定训练样本集合进行了对比研究.实验结果表明提出算法在图像重建质量和实现速度上都有很好的表现.