基于视觉传达技术的激光光斑图像超分辨率重建方法

激光光斑图像在成像过程中易受到成像条件和成像方式的限制,导致激光光斑图像的分辨率比较低,难以满足实际需求。为此,提出基于视觉传达技术的激光光斑图像超分辨率重建方法。采用视觉传达技术采集激光光斑图像,并使用双树复小波阈值方法对激光光斑图像去噪处理,通过改进稠密神经网络提取激光光斑图像特征,基于奇异值分解方法降低字典中原子的数目,改进稀疏表达正则化方法,实现激光光斑图像的超分辨率重建。实验结果表明,所提方法的低分辨率图像重建结果与原始图像更加接近,重建图像的结构相似度均在0.9以上,证明该方法的重建效果好、更适合实际应用。

多尺度特征融合的Transformer遥感影像超分辨率重建

针对现有遥感影像超分辨率重建算法,在处理复杂场景时,存在无法充分提取和利用特征,且计算复杂度高的问题,提出一种多尺度特征融合的Transformer遥感影像超分辨率重建网络模型.该模型引入了多尺度残差Swin Transformer模块,在充分提取特征的同时,减少用于提取浅层特征的模块冗余;建立了一个特征细化融合模块,可以充分提取图像特征来提高网络性能.基于UC Merced Land Use公开数据集进行实验,结果表明:提出的模型所需参数数量仅为目前主流超分辨率重建方法 EDSR模型的61.6%,重建结果在不同尺度下的峰值信噪比和结构相似度相对EDSR分别平均提高了0.82 dB和0.024.通过对比分析,证明本文提出的模型在提高图像质量的同时,有效地减少了网络参数冗余,可明显提高重建图像质量,满足高分辨率遥感影像处理需要.

基于GAN的肺部CT影像超分辨率重建研究

基于提高CT图像分辨率、丰富放大后图像纹理细节的目的,提出了RUAGAN模型。通过在生成器部分使用RRDB作为基本块,并加入局部注意力(Local aware Attention,LA)的方法提取影像中的高频信息;为提供更加真实的梯度反馈,使用U-Net网络作为鉴别器。经过实验仿真表明,改进后的模型在肺部CT图像数据集上训练,在4x放大因子上重建出的图像纹理更加丰富,有清晰真实的边缘,其峰值信噪比与结构相似性分别达到31.980和0.974,高于其他分辨率重建模型。

遥感影像超分辨率重建降质模型研究

遥感影像通过从航空器或卫星获取地表的图片,为环境监测与管理、农业、城市规划与管理、灾害管理和应急响应、国防和安全、科学研究等多个领域提供了极其宝贵的信息。目前,大部分的遥感影像超分辨率降质模型都倾向于使用单一的双三次降采样技术来模拟图像损失,或者采用传统的一阶退化模型,但这种方式并不能较好地模拟遥感图像在真实环境中的退化情况。为了更准确地模拟遥感图像在实际环境中的退化行为,本研究构建了一个高阶退化模型。这一模型在提升遥感图像重建质量方面表现出色,能更精确地复原遥感图像,并增强了网络模型处理各种类型的遥感图像时的泛化性能。

基于模糊推理系统的图像超分辨率重建技术探索

本文探索了基于模糊推理系统的图像超分辨率重建技术。技术克服了图像采集过程中由于系统或环境限制导致的图像模糊和质量低下问题。为实现这一目标,重新设计了模糊推理系统的输入和输出变量,包括图像质量、放大倍数和重建质量,并为这些变量定义了相应的隶属度函数。通过高斯函数和梯形函数,描述了图像质量和放大倍数在不同分类下的隶属程度。制定了一系列模糊推理规则,根据输入变量的组合预测输出变量的状态,并采用加权平均作为集结运算方法。结果表明,基于模糊推理系统的图像超分辨率重建技术能够根据输入图像的质量和所需放大倍数,有效地预测重建后图像的质量。这一技术在老照片修复和优化等实际应用场景中展现出潜力,能够对图像进行去噪、去雾、上色和超分辨率无损放大等多项修复和优化,返回经过处理的清晰图片。

基于校园监控的多帧图像超分辨率重建技术

为解决校园监控视频质量低、细节信息少的问题,在BasicVSR网络模型的基础上提出一种增加辅助机制的多帧图像超分辨率重建技术。首先,选择双向循环机制的BasicVSR网络以保证信息传递的多样性与连贯性;其次,在图像配准模块增加辅助机制以获得关键帧特征,矫正主干网络的特征图,该辅助机制在一定程度上解决了图像长期传递的信息误差,减少了纹理造假现象;最后,使用早期图像融合的方式,将前向分支与后向分支的特征图像融合为新的特征并使用亚像素卷积进行图像重建。在自制校园监控数据集上的对比实验结果表明,改进后模型的峰值信噪比相比于原模型提升了1.51 dB,提高了监控视频的清晰度,具有较好的应用价值。

基于深度学习的交通标志图像超分辨率重建技术研究

本研究致力于基于深度学习的交通标志图像超分辨率重建技术,通过构建深度学习模型,实现对低分辨率交通标志图像的重建。优化模型结构和参数,提高重建图像的清晰度和准确性。实验结果表明,该技术能够显著增强交通标志的识别效果,为智能交通系统的应用提供了有力支持。本研究的成果不仅丰富了深度学习在图像处理领域的应用,也为交通标志的识别与检测提供了新的技术手段。

基于迁移学习的GOCI超分辨率重建与海洋漂浮藻类探测

遥感技术是进行海洋漂浮藻类目标识别与变化监测的重要手段。GOCI遥感卫星影像具有高时间分辨率、低空间分辨率的特点,其低空间分辨率影响了海洋漂浮藻类遥感探测的效果。本研究通过对具有较高空间分辨率的Sentinel-2遥感卫星影像结构特征的迁移学习,应用ESRGAN超分辨率重建技术,将GOCI影像的空间分辨率提升至125 m;在此基础上,构建了基于超分辨率重建GOCI遥感影像的U-Net深度学习语义分割网络,实现了海洋漂浮藻类的较高精度探测。实验结果表明:超分辨率重建的GOCI影像显著提升了影像的空间细节清晰度,基于此实现的海洋漂浮藻类探测结果取得了较高的精度,其中面积相对误差下降了51.87%,F1值提高了2.41%。本研究是应用GOCI遥感影像进行海洋漂浮藻类高精度探测的一次成功实践,为实现海洋目标的动态精细化监测提供有益的参考。

基于并联式卷积神经网络的遥感影像超分辨率重建

遥感影像超分辨率重建有助于丰富地物细节,从而更全面地反映地物目标信息。为了解决目前基于深度学习的超分辨率重建方法难以同时兼顾影像高、低频信息的问题,提出了一种并联式遥感影像超分辨率重建方法。该方法并联了密集深层反投影网络和浅层多尺度网络,利用密集深层反投影网络精确预测遥感影像的高频内容;同时利用浅层多尺度网络来增加目标可分辨能力,并保留影像的低频部分来提升影像的质量。这个方法在GF-1和GF-2数据集上进行了实验,并在Landsat 8和ASTER异源遥感影像数据集上进行了泛化验证。研究结果表明,相较于增强深度残差网络(enhanced deep residual networks for single image super-resolution,EDSR)、深层和浅层端到端卷积网络(end-to-end image super resolution via deep and shallow convolutional network,EEDS)和密集深层反投影网络(deep back-projection networks for super-resolution,DBPN),峰值信噪比(peak signal to noise ratio,PSNR)分别提升了2.30、2.23、0.25 dB,结构相似度(structural similarity,SSIM)性能指标分别提升了0.1316、0.1085、0.0096。本文方法有助于从数据端改善遥感影像目标识别、地物分类等应用的精度,进一步提高遥感数据在资源调查、环境监测、灾害预报等领域的应用效能。

顾及全局特征和纹理特征的遥感影像超分辨率重建方法

由于遥感设备的性能限制,使得采集的遥感影像质量受到影响,低分辨率的遥感影像限制了遥感解译应用的精度。当前针对遥感影像的超分辨率重建研究仍然存在重建后的遥感影像地物全局信息和纹理细节不足的问题。因此,本文提出顾及全局特征和纹理特征的遥感影像超分辨率重建方法,该方法利用生成对抗网络的特征学习能力,并对模型全局和纹理进行增强。一方面,地物全局特征增强部分用于解决当前研究中超分辨率重建模型对低分辨率遥感影像中全局遥感地物信息没有重视和利用的问题。在生成网络中引入自注意力模块,以获取全局地物注意力图的方式将遥感影像中相距较远的地物信息作为重建过程的参考。另一方面,遥感影像纹理增强部分用于解决超分辨率重建模型中超分辨率影像纹理信息不足的问题。本文方法引入纹理损失以优化生成网络参数并增强超分辨率重建后影像中的纹理信息。另外,为避免重建结果中的“伪影”现象,研究采用权值归一化代替批量归一化方法。试验结果表明,本文方法在遥感影像超分辨率重建过程中能增强遥感地物特征,同时可以实现地物的纹理细节精细化恢复,而且超分辨率重建结果的图像质量评价指标SSIM、FSIM和PSNR值分别达到了0.756、0.595和26.005。

基于增强生成对抗网络的滑坡影像集超分辨率重建

针对高分遥感影像用于滑坡智能识别缺少高清训练集的问题,在组建高清滑坡训练集过程中,为充分利用低分辨率滑坡影像,本文采用基于增强型生成对抗网络模型(ESRGAN)实现了低分辨率滑坡影像集超分辨率重建。ESRGAN模型在SRGAN模型基础上,通过移除批归一化层、加入多级残差网络与残差缩放系数,提升了生成器的特征提取性能与稳定性,并采用迁移学习方法,基于毕节滑坡影像集与云南南景高速公路滑坡影像集进行试验验证。试验结果表明,基于迁移学习的ESRGAN模型在峰值信噪比(PSNR)与结构相似性(SSIM)方面获得更高得分,超分辨率重建取得更优结果。本文研究结果为获取滑坡高分辨率遥感影像集提供了一种新的技术方法。

利用频谱解混叠方法实现超分辨率影像重建

基于信号处理的超分辨率影像重建技术,可以消除由影像系统引起的影像模糊和退化,同时恢复出光学极限外的频谱信息。首先简要介绍了超分辨率影像重建技术的意义和基本过程;并对影像配准与运动模型估计在超分辨率影像重建中的作用给予简要介绍;接着根据连续傅里叶变换(CFT)和离散傅里叶变换(DFT)的频谱混叠关系及CFT位移性质,推导出频谱解混叠的超分辨率影像重建模型;最后采用文献中的运动模型估计方法和本文的重建算法,对几组数据进行实验,获得了空间分辨率提高近1倍的影像。

影像超分辨率重建技术在遥感中的应用

影像超分辨率重建是通过对多幅具有互补信息的低分辨率影像的处理,重建一幅高分辨率影像的技术,其在视频监控、医学诊断、遥感监测等领域具有很大的应用价值。以SPOT5和ADS40为例阐述了超分辨率重建技术在遥感观测系统中的应用现状,并给出了一种应用于多时相遥感影像处理的超分辨率重建方法。

遥感影像超分辨率重建技术与方法

遥感影像超分辨率重建可以利用多幅具有互补信息的低分辨率影像重构一幅高分辨率影像,该技术已经成为遥感影像处理领域的研究热点。本文介绍了遥感影像超分辨率重建的基本原理,详细阐述了超分辨率重建的具体步骤,包括影像配准、各种重建算法和重建影像质量评价。

高精度影像测量系统中图像的超分辨率重建

为了提高影像测量系统的测量精度,研究了基于微位移错位的多幅图像超分辨重建技术。考虑制作成本和制作难度,提出了一种不苛求精确微位移的超分辨率重建技术。首先,获取随机微位移图像序列;然后,利用被测对象中易于实现高精度提取的特征点或采用模板衬底中的特征点计算出图像序列间的准确位移关系;最后,根据本文提出的数学模型重建出高分辨率图像并用于影像测量。实验结果显示,在图像分辨率提升至原始图像4倍时,对于不同大小的微位移,测量精度提升了29%~64%,表明该方法能够有效地重建出包含被测信息的高分辨率图像,进而提升影像测量系统的精度。

非参数贝叶斯字典学习的遥感影像超分辨率重建

为充分利用样本及参数的先验信息,对Yang提出的基于稀疏表示的超分辨率重建算法进行了改进,提出了一种基于非参数贝叶斯字典学习的单幅遥感影像超分辨率重建方法。该方法利用Beta-Bernoulli过程进行字典学习,建立字典元素和各参数的概率分布模型,并通过Gibbs进行迭代抽样构成马尔科夫链,用其平稳分布来近似字典元素及各参数的后验分布,最后由低分辨率影像及高分辨率字典的后验分布重建出高分辨率遥感影像。对比双线性、双三次插值及Yang的方法,该算法在平均峰值信噪比方面分别提高了3.29、1.79、0.17 d B,在平均ERGAS方面分别降低了0.78、0.37、0.02 d B。该算法因加入了更多的先验信息,可以使重建影像提供更多高频细节信息,具有一定的普适性。

基于最小二乘影像匹配的超分辨率重建

通过序列影像间的互补信息改善影像失真和退化的超分辨率重建,其关键是精确获取序列影像间的运动信息。该文讨论了一种基于最小二乘影像匹配的高精度运动估计方法,根据最小二乘影像匹配的高精度同名像点,获取同名点在序列影像间的运动信息,从而进行低分辨率序列影像的子像素级运动信息精确估计,据此进行超分辨率重建。利用一组模拟低分辨率序列影像进行的超分辨率重建验证结果表明:基于最小二乘法运动估计精度较高,采用迭代反投影法重建影像具有较好的视觉效果,该方法尤其适用于存在平移运动的影像序列的超分辨率重建。

基于压缩感知的航空影像超分辨率重建

详细介绍了压缩感知的研究现状和发展趋势,对压缩感知理论的原理、稀疏基的选取、测量矩阵的构造和信号的重建进行了详细阐述。在图像超分辨率重建技术的基本模型的基础上,基于压缩感知的图像超分辨率重建模型,使用小波基作为稀疏基,并使用改进的正则化正交匹配追踪算法对单幅图像进行超分辨率重建。最后,进行仿真实验,实现了基于压缩感知的单幅图像超分辨率重建,并且和传统的超分辨率重建算法进行对比。结果表明,基于压缩感知的图像超分辨率重建算法,取得了比较好的效果。

基于密集卷积神经网络的遥感影像超分辨率重建

针对传统遥感影像超分辨率重建方法依赖同一场景多时相图像序列且需预先配准等缺点,本文提出了一种基于密集卷积神经网络的遥感影像超分辨率重建的方法。该网络直接将低分辨率遥感影像作为网络的初始输入,通过密集卷积神经网络学习影像的高阶表示,获得更具有表达能力的深层特征;同时,在网络中采用并行的1×1卷积滤波器结构,通过该结构减少模型参数;在重建网络中使用亚像素卷积可以更快地实现特征图的重建。在UCMerced_LandUse公共数据集上的实验表明:本文的网络模型提升了传统深度网络的影像重建性能,增强了重建图像的纹理细节并改善影像边缘失真,提升了重建影像的性能。

基于图像配准的新媒体视觉影像超分辨率重建方法

针对传统的影像超分辨率重建方法受到原始影像分辨率的影响,导致重建效果差、信噪比高的问题,提出基于图像配准的新媒体视觉影像超分辨率重建方法。仿真结果表明,采用该方法进行新媒体视觉影像超分辨重建的视觉表达能力较好,输出峰值信噪比较高。