一种新的边界增强型图像先验模型

在各种超分辨率图像重构算法中,最大后验概率(Maximum a Posteriori,MAP)算法因其具有优异的重构性能而受到广泛关注。但由于目前在MAP算法中普遍采用的是平滑型图像先验模型,导致重构出来的图像边界不明锐,一些细节不清晰。本文提出了一种新的边界增强型图像先验模型。不同于已有的图像模型,新模型对图像中的非连续性不是进行惩罚,而是进行增强。实验结果表明,新模型能够获得优于平滑型图像先验模型的重构效果。

一种改进的基于KRR的单帧图像超分辨率重建算法

为解决图像超分辨率重建结果中的图像质量问题,论文提出了一种改进的基于核岭回归(Kernel Ridge Regres-sion,KRR)的单帧图像超分辨率重建算法。该算法利用核岭回归算法估计潜在的高分辨率图像中高频细节信息,然后将核匹配追踪算法与梯度下降算法相结合,得到一种基于稀疏表示的对KRR进行求解的方法,再使用一个通用的图像先验模型对回归结果进行处理,用以消除正则化过程中产生的振铃,进而得到最终的高分辨率重建图像。实验结果证明,该方法在时间复杂度保持中等水平的同时具有良好的重建效果。

基于MAP框架的时空联合自适应视频序列超分辨率重建

超分辨率重建在视频监控、高清晰度电视、遥感图像、医学图像处理等领域具有广阔的应用前景.最大后验估计(maximum a posteriori,MAP)法是普遍采用的一种超分辨率重建方法.针对传统MAP法存在的局限性,本文提出了一种基于MAP框架的时空联合自适应视频序列超分辨率重建算法.时空联合自适应机制的引入使得算法在保持边缘的同时可减小错误运动估计矢量对重建图像质量的影响.实验结果表明,算法具有重建质量好、边缘保持能力强、收敛速度快等特点.