西北农林科技大学理学院, 陕西 咸阳 712100
针对高光谱图像在获取过程中存在多种不同程度退化的问题,提出一种基于张量截断核范数和空谱全变差正则化模型,实现了高光谱图像的超分辨重构。首先分析高光谱图像的两种先验信息:空谱低秩先验和空谱稀疏先验;利用空谱低秩先验建立基于张量截断核范数的低秩约束模型,实现对秩函数的准确逼近;利用空谱稀疏先验建立空谱全变差正则化模型,有效地保持图像的边缘信息;最后结合两种模型的优势,建立基于张量截断核范数和空谱全变差正则化的高光谱图像重构模型。实验结果表明新模型提高了视觉质量,与目前最新的超分辨率重构模型相比,本文方法的平均峰值信噪比提高了0.8 dB。新模型充分利用高光谱图像的空间和光谱稀疏低秩先验,针对模糊化和下采样后的高光谱图像,能够有效实现高光谱数据的超分辨率重构。
图像处理 高光谱图像 超分辨率重构 截断核范数 低秩约束 交替方向乘子法 激光与光电子学进展
2019, 56(21): 211007
分析了复眼图像超分辨率重构结果图像中噪声来源及主要表现形式,为优化重构结果,提出一种基于Wiener-Butterworth(W-B)滤波器的重构噪声消除方法。通过叠加不同数量高斯噪声的低分辨率图像重构实验,研究了该滤波器对算法引入噪声和原始图像噪声的滤除效果,并在频域对实验结果作了相关分析;验证实验验证了该滤波器在噪声类型和大小均未确定时改善图像质量的有效性。实验结果表明:针对算法引入噪声,该滤波器使重构结果的PSNR 提高4 dB;当施加均值为0、方差为0.01的高斯噪声时,滤波后重构结果PSNR 提高6.9 dB。W-B 滤波器能有效消除复眼超分辨率重构图像中的噪声和方块效应、振铃效应和梳边效应,改善重构图像质量。
复眼超分辨率重构 重构噪声 W-B 滤波器 compound eye super resolution reconstruction reconstruction noise W-B filter filtering method
军械工程学院 电子与光学工程系, 石家庄 050003
超分辨率图像重构复眼成像将超分辨率重构技术与复眼成像技术相结合。复眼成像系统获取低分辨率图像, 超分辨率重构算法计算获取高分辨率图像。总结了超分辨率图像重构复眼成像的研究现状, 介绍了复眼图像超分辨率重构的基本原理和现阶段主要成像系统。结合成像模型角度, 分析了常用的复眼图像超分辨率重构算法, 以及定量测试评价与视觉角度评价的主要方法。为深入研究超分辨率图像重构复眼成像提供了参考。
成像系统 复眼成像 超分辨率重构 重构算法 评价方法 imaging system compound-eye imaging super resolution reconstruction reconstruction algorithm evaluation method
为了提高传统的基于邻域嵌入的图像超分辨率重构算法的时间效率, 采用了一种利用图像块方向信息进行邻域选择和训练集分类的新方法。该方法首先利用图像块方向的不同对训练集进行分类, 然后在分类后的子训练集中选择与待重构图像块的方向相似的图像块作为邻域进行重构, 并对重构结果进行迭代反投影全局后处理, 进一步提高重构质量, 最后对改进方法进行数值实验验证。结果表明, 该方法不仅把超分辨率重构的时间效率提高了10倍以上, 而且重构质量也得到了改善, 具有较好的实际应用价值。
图像处理 超分辨率重构 邻域嵌入 方向 迭代反投影 image processing super-resolution neighbor embedding direction iterative back-projection
中国人民解放军军械工程学院 电子与光学工程系, 河北 石家庄 050003
结合成像模型,从数学角度分析了噪声对重构结果的影响,结合POCS算法,仿真了常见成像模型中噪声对重构结果的影响。通过MATLAB软件仿真获取低分辨率图像序列集,并对低分辨率图像施加噪声获取带有噪声的低分辨率图像集,再借助算法获取高分辨率图像。根据实际情况的不同,分别仿真分析了不同程度的高斯噪声和乘性噪声以及椒盐噪声对最终重构结果的影响。研究结果表明:不论何种噪声,其对重构结果的影响趋势基本一致,即较小噪声对于重构结果影响较小,但随着噪声的增加,图像质量严重退化,重构结果中信噪比相对于原始图像下降更快,图像质量更差;另一方面在相同的信噪比情况下,高斯噪声对于重构结果的影响最大。
超分辨率重构 高斯白噪声 乘性噪声 重构结果 super-resolution reconstruction Gaussian noise multiplicative noise reconstruction result
1 中国科学院 长春光学精密机械与物理研究所 中国科学院航空光学成像与测量重点实验室,吉林 长春,130033
2 中国科学院 长春光学精密机械与物理研究所,吉林 长春,130033
3 中国科学院大学,北京,100039
虽然增加探测器的时间和空间采样频率可以提高亚像元成像系统空间分辨率, 但探测器采集到的数据易发生混叠,使重构得到的图像的分辨率无法达到理想值。本文以3片线阵探测器亚像元成像为基础,提出一种超分辨率重构算法。首先,在高分辨率网格上建立插值模型;然后,辨识插值重构图像在线阵列方向和扫描方向的模糊核,得到整幅图像的模糊核;最后,采用带有Neumman边界条件的梯度平滑正则化模型去除模糊,抑制振铃效应。实验结果表明,该算法使亚像元成像系统分辨率为单线阵探测器无过采样成像系统分辨率的2.6倍;与双线性插值法相比,平均灰度等级(GMG)提高了7.71。该算法可以进一步实现对更多片线阵探测器亚像元成像的超分辨率重构,获取更高的系统分辨率。
三线阵探测器 亚像元成像 采样频率 空间分辨率 超分辨率重构 three linear array detector sub-pixel imaging sampling frequency spatial resolution super-resolution reconstruction
1 西南科技大学信息工程学院, 四川 绵阳 621010
2 中国科学院光电技术研究所, 成都 610209
为改善强降质图像的分辨率水平, 提出了一种正则化恢复联合稀疏表示的单帧图像超分辨率重构框架。为同时放大图像并抑制模糊及噪声, 首先根据退化估计正则化平衡极小问题的逼近项和先验项, 然后基于初步的锐利清晰图像和预先建立的图像超完备稀疏表示字典实现边缘保持的图像分辨率放大。正则化恢复的输出改善了传统学习法图像超分辨中低频分量的双立方插值版本, 同时对降质的有效抑制降低了字典原子对退化信息的依赖性。实验结果表明, 本方法可对模糊含噪的低分辨率图像实现有效的超分辨率重构。
正则化恢复 稀疏表示 学习法超分辨 超分辨率重构 regularization restoration sparse representation learning-based super-resolution super-resolution reconstruction
1 中国科学院 长春光学精密机械与物理研究所 中国科学院航空光学成像与测量重点实验室,吉林 长春 130033
2 中国科学院大学,北京 100039
由于传统的超分辨率重构无法在工程应用中对含有局部运动图像进行有效的运动估计及重构,本文提出一种采用非局部均值(NLM)的超分辨率重构方案。简要介绍了具有较好去噪特性的非局部均值滤波器,分析了超分辨率重构的代价函数,根据构造出的非局部均值超分辨率重构算法的代价函数及其求解,对提出的方案进行进一步的优化和化简,最后得到一种易于工程实现的重构算法。实验结果表明,提出的算法不仅具有NLM算法的优点,即不需进行显式的运动估计就能得到更清晰、细节更丰富的重构图像;而且重构速度比简化前的NLM算法提高将近30%,有望应用于具有复杂运动的图像的超分辨率重构。
非局部均值 超分辨率重构 运动估计 滤波器 去噪 nonlocal means super-resolution reconstruction motion estimation filter denoising