基于学习的多帧图像超分辨率重建技术研究

由于可用信息不足,多帧图像超分辨率重建问题常常是一个不适定问题。为解这一问题,需要额外的图像先验知识。本文提出一个基于学习的多帧图像超分辨率重建算法,该方法从训练图像集中学习先验知识。实验表明本文方法要优于传统基于最大后验概率估计的超分辨率重建算法。

GEO-LEO双基SAR序贯多帧-多通道联合重建无模糊成像方法

采用地球同步轨道(GEO)卫星作为双基合成孔径雷达(SAR)的发射站,可为低轨(LEO)接收站提供大范围、持续的波束覆盖。同时,由于收发分置的系统形态,LEO接收站可以实现下视、前视、后视等多视区成像,因此,GEO-LEO双基SAR在地球测绘、侦察监视等领域具有广阔的应用前景。为实现大幅宽成像,GEO SAR发射站的脉冲重复频率较低,而LEO SAR接收站会引入大的多普勒带宽,造成GEO-LEO双基SAR方位欠采样。通过在接收站引入多通道技术虽可抑制模糊,但是面临GEO-LEO双基SAR的严重欠采样问题,多通道无模糊重建方法所需通道数过多,不利于接收系统小型化。针对方位严重欠采样条件下的复杂观测场景无模糊成像问题,该文提出了序贯多帧-多接收通道联合重建无模糊成像方法,通过利用序贯观测场景多帧图像的相关性和多接收通道的采样信息进行联合重建,实现无模糊成像。首先将GEO-LEO双基SAR无模糊成像问题建模为张量联合低秩与稀疏优化问题,然后在交替方向乘子法迭代求解中利用多接收通道信息,实现了GEO-LEO双基SAR对复杂观测场景的无模糊成像。相比于基于传统多通道重构的成像方法,该方法可显著减少无模糊成像所需的接收通道数,仿真实验验证了该方法的有效性。

基于深过冷熔体的序列图像超分辨率重建

目前,超分辨率重建技术广泛应用于医学图像、遥感图像等领域。材料科学等学科研究中,落管是提供微重力的设备,基于落管的深过冷熔体是笔者的研究对象。材料方面,研究人员需要观测实验过程中目标材料的形态结构等特征,但受限于硬件环境,仅能得到数量庞大的低分辨率序列图像。基于此问题,引入VESPCN(VideoEfficient Sub-pixelConvolutionalNeuralNetwork)多帧图像超分辨率重建算法,成功构建深过冷熔体的高清图像,且基于PSNR(Peak Signal to Noise Ratio)和SSIM(Structural Similarity Measure)指标,提高了重建效果。

基于非冗余信息的超分辨率算法

对于多帧超分辨率技术而言,最理想的情况是让高分辨的图像包含低分辨序列中所有信息。因此,序列各帧之间的差异信息,即非冗余信息,对于超分辨率重建而言有着非常重要的作用。然而,序列各帧在时空域有很强的相关性,非冗余信息相对于冗余信息十分微弱,难以直接提取。提出了一种改进超分辨率算法,提取并单独处理非冗余信息,再将其融合入超分辨率结果图像中,使超分辨率图像最大限度的保留低分辨序列中的非冗余信息。试验表明:该算法性能较为优异。

基于分块的自适应超分辨率算法

本文主要研究序列图像超分辨率重建技术。本文提出了一种新的基于分块策略的超分辨率算法,由于采用分块策略,矩阵规模极大减小,且其规模与分块大小相关,而与原始序列大小无关,故能有效降低系统内存开销,提高系统处理效率。实验表明,传统多帧算法对运动估计的精度要求很高,而本文算法对此要求不高,在采用低精度运动估计技术的条件下,本文算法性能要远远胜过传统多帧算法。因此本文算法更为适合实际工程应用。

基于结构照明的超分辨荧光显微成像重建算法

由于具有低光毒性、高速宽视场以及多通道三维超分辨成像能力,超分辨结构照明显微术(SR-SIM)特别适合用于活细胞中动态精细结构的实时检测研究。超分辨结构照明显微图像重建算法(SIM-RA)对SR-SIM的成像质量具有决定性影响。本文首先简要介绍了超分辨显微术的发展现状,阐述了研究SR-SIM图像重建算法的必要性;然后介绍了SR-SIM的成像原理,并重点介绍了SR-SIM图像重建算法,包括SR-SIM中频繁使用的去卷积重建算法、SR-SIM校准与重建过程中参数值获取的算法,以及目前发展的超分辨结构照明显微图像重建算法,并介绍了SR-SIM工具箱;最后总结了当前发展超分辨结构照明显微图像重建算法需解决的5个问题。