基于最大后验概率的SAR图像自适应超分辨率盲重建

提出了一种SAR图像自适应超分辨率(SR)盲重建算法。首先给出了一种图像退化过程中模糊核函数的选择策略;然后基于最大后验概率提出了新的SAR图像配准与SR盲重建的框架;再次,针对每一幅低分辨率图像引入了重要性权值并随之给出了迭代算法的总体框架,使得算法具有自适应性。试验表明,算法在SAR图像SR重建上取得了良好的效果,并且具有较好的收敛性。

基于刃边法的序列图像盲超分辨率重建算法

为了减少点扩展函数(PSF)估计误差对盲超分辨率重建结果的影响,提出了1种新的序列图像盲超分辨率重建算法。首先采用刃边法实现对成像系统点扩展函数的准确估计,然后将估计的点扩展函数引入迭代反投影超分辨率重建算法中,进行高分辨率图像的重建。实验结果表明,本文算法运算时间较短,不受限于低分辨率图像的模糊程度,重建结果不但具有较高的峰值信噪比(PSNR)和结构相似度(SSIM),而且真实分辨率的提升幅度更大。

基于迭代交替优化的图像盲超分辨率重建

基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的,如双3次下采样等,因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题,该文提出联合估计模糊核、噪声水平和高分辨率图像,设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中,图像重建器以估计的模糊核和噪声水平作为先验信息,由低分辨率图像重建出高分辨率图像;同时,综合低分辨率图像和估计的高分辨率图像,模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地,该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化,以提高它们的兼容性并使其相互促进。实验结果表明,与IKC,DASR,MANet,DAN等现有算法相比,提出方法在常用公开测试集(Set5,Set14,B100,Urban100)及真实场景图像上都取得了更优的性能,能够更好地对降质未知的图像进行重建;同时,提出方法在参数量或处理效率上也有一定的优势。

无人机航摄影像盲超分辨率重建技术研究

为解决在无人机倾斜摄影过程中航摄影像出现不同程度的退化,导致倾斜摄影测量精度较低的问题,文章提出对无人机原始影像进行模糊、加噪、下采样等退化处理的方法,利用盲超分辨率网络重建技术,进行影像重建,以提高影像的清晰度和分辨率,进而提高无人机倾斜摄影测量精度。对超分辨率重建影像进行空中三角测量解算和平差后,检查点的均方根误差(RMSE)最大降低了0.024 m,三维误差最大降低了0.021 m,水平误差最大降低了0.019 m,高程误差最大降低了0.022 m,这说明应用盲超分辨率重建技术对于提高无人机倾斜摄影测量数字成果的精度具有一定的实用价值。