基于小波变换和插值的超分辨率图像处理算法

根据图像小波变换和插值处理的特点 ,提出了一种将小波分解与插值算法相结合的图像插值处理方法 ,以提高图像的分辨率。通过实验表明 :该方法能够较好的保持原图像中丰富的高频信息 ,经插值处理并小波重建后提高了图像分辨率 ,而且图像主观上具有很好的视觉效果 ,客观上具有较高的信噪比 ,并图像中细节丰富 ,无明显的畸变 。

混合域高分辨率双曲Radon变换及其在多次波压制中的应用

提出了一种快速且分辨率较高的双曲Radon变换方法。首先将地震道集数据沿时间轴进行平方变换,时间平方与截距时间平方呈线性关系,使得正、反Radon变换算子在频率域解耦;其次最优化反演求解目标函数时,在时间域内稀疏约束模型,而Radon变换算子在频率域实现,即混合域方式提高Radon域内分辨率;最后在反演计算过程中引入快速收缩迭代软阈值算法(FISTA)对稀疏反演优化问题进行求解,加快了反演收敛速度。模型和实际海上数据试算结果证明了混合域双曲Radon变换方法的计算效率和分辨率都较高。

基于小波变换的全向图像分辨率增强方法

本文提出了一种基于小波变换的全向图像分辨率增强算法 ,根据全向图像成像的退化模型 ,利用小波系数的自相似性及其模的极值点在各层间的传递性 ,对全向图像丢失的高频成分进行补偿 ,结合对图像序列中的各帧进行融合的方法 ,达到分辨率增强的目的 .

基于小波变换的图像超分辨率增强算法

视频图像超分辨率增强技术具有重要的研究价值。文章在研究和分析小波变换理论的基础上提出了一种基于小波变换的图像超分辨率增强算法,该算法充分利用小波多分辨率分解思想,体现图像分辨率降低的自然过程;通过估计高分辨率小波系数,经插值逆变换可得到重构的高分辨率图像。实验结果证明该算法克服了传统的插值方法致使图像高频部分损失、细节被模糊的缺点,是超分辨率图像处理的一种行之有效的途径,具有一定的实用价值。

基于二进小波变换的图像分辨率增强算法

增强图像的分辨率意味着在保持图像清晰度的情况下对图像进行放大。传统的分辨率增强技术是图像插值,它通常要求原始图像满足一定的平滑条件,这常常损失增强后图像的奇异性,使图像中物体边缘和纹理变得模糊。本文提出了一种基于图像多分辨率分析的增强算法,通过估计原始图像在更高一级分辨率上的小波系数,可以得到更为清晰的增强效果,同时保留原图像的奇异性。

基于小波变换的全景图像超分辨率增强算法

在研究和分析小波变换理论的基础上提出了一种基于小波变换的全景图像超分辨率增强算法,该算法充分利用了小波多分辨率分解思想,体现图像降低的自然过程;通过高分辨率小波系数,经插值逆变换可得到重构的高分辨率图像。实验结果证明该算法克服了传统的插值算法致使图像高分辨部分损失、细节被模糊的缺点,是超分辨率图像处理的一种行之有效的途径。

基于小波双三次插值提高光学遥感图像空间分辨率的研究

为了尽可能的保持光学遥感图像的原始信息 ,提高图像的空间分辨率 ,有利于对图像的细节信息进行观察分析 ,本文提出了小波双三次插值方法 ,并将其应用于提高光学遥感图像空间分辨率 .实验结果表明 ,该算法得到了比全小波插值和小波双线性插值更高的峰值信噪比和更好的图像细节效果 ,是一种适合提高光学遥感图像分辨率的有效算法 .

小波局部适应插值的图像超分辨率重建

针对单帧低分辨率图像的超分辨率重建问题,提出一种改进的小波局部适应插值的超分辨率重建方法,该方法能够弥补重建图像边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性,提出一种综合两者优点的单帧图像超分辨率重建算法。实验结果表明,采用该算法得到的重建图像不仅能较好地保留原始图像的细节信息,提高图像的空间分辨率,并能提高图像的峰值信噪比,更适合人眼视觉系统。

基于插值与剪切波融合的图像超分辨率重建

针对单幅图像超分辨率重建问题,提出一种基于软判决自适应(SAI)-双三次(Bicubic)插值与平移不变剪切波融合的超分辨率重建算法。对源图像分别进行SAI插值和Bicubic插值,采用平移不变剪切波变换对2幅插值图像进行多尺度、多方向分解,得到低频及高频子带,对于低频子带,根据区域系数方差确定模糊相似度,结合改进的S函数确定自适应加权融合规则,对于高频子带,采用新改进拉普拉斯能量和与加权平均相结合的融合规则进行处理,将得到的融合系数进行剪切波逆变换,从而得到高分辨率重建图像。实验结果表明,与原有的SAI插值算法相比,该算法能提升重建图像的清晰度及峰值信噪比。

基于小波变换的图像超分辨率复原算法研究

在不改变现有硬件设备的情况下,结合近年来迅速发展的小波理论,提出了基于小波变换的图像超分辨率算法。对输入的低分辨率图像采用直接邻域进行插值后,利用DWT将低分辨率图像分解为不同的4个子带;同时直接对低分辨率图像进行SWT处理。由SWT得到的高频频带来修正DWT得到的高频频带,可修正估计系数。最后,通过逆离散小波变换(IDWT)组合修正的高频频带和输入图像,得到一幅高分辨率的输出图像。实验证明,与传统的双线性插值、双立方插值相比,该算法的峰值信噪比PSNR都有不同程度的提高。

小波结合偏微分插值的图像超分辨率重构算法

针对传统的小波和偏微分方程(PDE)算法无法准确估计图像的平坦区域和边缘区域而出现虚假边缘,以及小波低频估计不准确导致的图像模糊,提出一种小波与改进的PDE插值结合的图像超分辨率重构算法。该算法首先对传统的PDE算法进行改进,提出一种加权拟合的PDE插值法对图像边缘实现较好的定位;然后利用小波提取高频成分并调整其系数,并将增强幅度后的原始图像作为低频部分,进行小波逆变换获得高质量的重建图像。实验结果表明:这种方法可以充分发挥两种算法的优点,不仅在提高图像分辨率的同时较好地保留了原始图像的细节信息,还提高了放大后图像的亮度和清晰度。

小波和插值结合应用于超声图像的超分辨率算法

针对超声图像分辨率较低的缺点,对现有基于小波和插值的图像放大方法进行归纳、总结和分析,提出了一种基于小波和插值的超分辨率图像处理方法,该方法选择合适的小波与插值的结合方式,采用基于区域能量的判定方法,通过适当减少低频子带的比例同时尽可能多地恢复高频子带的方法重建超分辨率图像。通过5种方法对超声图像进行对比试验,结果表明:第5种该方法能有效地提高超声图像的分辨率,对材料感兴趣区域的缺陷检测可起到"探针"作用。

基于小波-Contourlet变换的图像超分辨率重建

为了改善超分辨率重建图像的效果,提出了一种新的基于小波-contourlet变换图像插值算法,能够有效避免重建图像边缘和轮廓的扭曲,提高图像目标边界的规律性。本算法是用基于小波变换线性插值作为重建初步估计,使用两个约束条件的迭代投影改善了图像的分辨率。实验结果表明,跟小波变换线性插值相比,本文提出的算法具有更好的效果,并能达到较高的信噪比。

基于多小波融合的超声图像分辨率增强方法

多小波是小波理论的扩展,在图像处理方面具有单小波所不具有的优点。超声检测是无损检测领域的主要技术。该文针对超声检测图像分辨率较低,提出了基于插值和多小波变换的区域能量加权图像融合规则,通过对相控阵超声图像进行试验结果比较,表明该文方法具有超声图像分辨率增强的效果。

结合小波融合和插值的多幅图像超分辨率复原

超分辨率复原的目的就是由多幅低分辨率降质图像来估计一幅高分辨率图像,以此消除由有限检测器尺寸和光学元件产生的模糊和噪声,增加图像细节。采用基于小波域的图像融合和插值相结合的算法。先对原始图像进行小波三次样条插值,然后对插值后的图像做小波融和,如果结果未能达到要求那么就增加小波融和的分解层数,直至得到满意的高分辨率图像。方法充分利用了图像间的补充信息,使复原图像更接近实际拍摄的高分辨率图像。不仅信噪比优于仅使用小波插值的方法,而且具有很好的主观视觉效果,仿真实验表明这种方法可行,有效。

多分辨率图像插值

提出了一种结合小波和分形的混合图像插值算法。与图像处理中的传统插值算法比较，该算法通过提取图像的分形特征保持图像的全局相关性，更好地保持图像的细节信息，避免了传统插值算法引起的锯齿效应和平滑效应。实验证明该方法可以比传统的插值算法取得更高的信噪比。

基于插值与NSQCT域融合的图像超分辨率重建

为了提高图像的分辨率和较好地保留图像的细节信息,提出一种基于插值与非下采样四元数轮廓波变换(NSQCT)域融合相结合的单幅图像超分辨率重建算法。首先对源图像进行软判决自适应插值和三次样条插值;然后对两幅插值图像进行NSQCT分解,对于低频子带系数,提出了基于区域平均梯度、区域能量和S函数相结合的自适应加权融合规则;对于高频子带系数,提出了一种基于改进的拉普拉斯能量和与加权分析法相结合的融合规则;最后对融合系数进行NSQCT逆变换得到高分辨率重建图像。实验结果表明,本文方法在峰值信噪比、结构相似性及视觉效果上均优于一些经典的重建算法。

超分辨率图像的小特征增强方法研究与仿真

对超分辨率图像的小特征进行增强,可增强图像目标的边缘信息,改善图像的清晰度和分辨率。进行小特征增强时,需要根据图像帧之间的像素差设定图像增强增量,而传统多小波域算法在超高分辨率下无法获取图像帧之间的像素差,不能获取相关的增强增量,导致小特征增强效果差。提出改进小波变换的超分辨率图像小特征增强方法,先融合于Daubechies 8紧支撑正交小波对高分辨率图像的边缘信息进行去噪,利用张量扩散算法组建图像的各项异性张量扩散模型,将图像信息精细划分为光滑区域、边缘、和孤立噪声点,针对不同的分类设定相应的扩散张量的特征值,有效的完成了超分辨率图像的小特征增强。仿真结果证明,可以更有效增强图像的边缘和细节特征。

图象边缘增强的多分辨率侧抑制网络方法

侧抑制网络具有"突出边框,增强反差"的功能,但其增强反差的同时也增强了噪声,抗噪性差;小波变换具有平滑噪声的性能,但在平滑过程中会引起边缘模糊。将两者有机结合构造多分辨率侧抑制网络,利用小波变换平滑噪声,而利用侧抑制网络增强边框,从而准确、有效地增强图象的边缘。理论和实验结果表明:该方法能有效地增强具有低对比度、低信噪比、边缘模糊的红外图象的边缘。

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。