基于新边缘指导插值的迭代反投影超分辨率重建算法

基于改进Keren配准算法的迭代反投影(IBP)超分辨率重建算法,使用双线性插值方法获得高分辨率图像的初始估计,导致重建图像产生边缘锯齿效应。针对该问题,提出一种基于新边缘指导插值(NEDI)的IBP超分辨率重建算法。利用低分辨率图像与高分辨率图像的局部协方差间的几何对偶性,通过计算低分辨率图像各像素点的局部协方差系数,得到高分辨率图像待插值像素点的值。实验结果表明,该算法能够有效减小边缘锯齿,提高峰值信噪比,降低均方根误差,并改善图像的主观视觉效果。

边缘指导图像修复算法研究

近年来,深度学习技术的不断发展为图像修复研究提供了新的思路,通过对海量图像数据的学习,使得图像修复方法能够理解图像的语义信息。虽然现有的图像修复方法已能够生成较好的图像修复结果,但遇到结构缺失较为复杂的图像时,对缺失部分细节处理能力较差,所生成的结果会过度平滑或模糊,不能很好地修复图像缺失的复杂结构信息。针对此问题,基于生成对抗网络技术提出了一种边缘指导图像修复的方法和对应算法,将图像修复工作分为两部分:首先训练边缘修复模型生成较为真实的缺失区域的边缘信息,再根据已修复好的边缘信息,训练内容生成模型填充缺失部分的内容信息。最后所提方法在CelebA数据集和ParisStreet-View数据集上与Shift-Net模型、深度图样先验(DIP)模型以及FFM模型进行了对比实验验证,并对实验修复结果进行了视觉上的定性分析和定量指标分析。实验结果证明提出的方法相对现有方法能更好地修复图像中缺失的复杂结构信息,反映出边缘信息在图像修复过程中具有重要的作用。

基于边缘指导的快速动态超分辨率算法

引入一种适用于标清到高清或超高清视频的快速超分辨率算法.首先,基于图像的退化模型,对动态超分辨率算法的计算过程进行优化,降低算法的复杂度并加快算法的收敛速度;然后,利用前一帧的高分辨率图像信息和空域上的边缘指导插值信息,改善边缘的锯齿问题和收敛性;最后,利用基于最大后验概率去模糊的方法,进一步提高图像质量.实验结果表明,该算法较传统方法峰值信噪比有明显提高,运行时间大大减少.

基于FPGA的新边缘指导插值算法硬件实现

针对图像超分辨率算法中新边缘指导插值算法(NEDI)计算复杂度较高、软件计算时间较长的问题,提出基于Cholesky分解的可扩展NEDI算法硬件设计方案.采用Cholesky分解方法简化NEDI算法中复杂的矩阵求逆运算,采用Goldschmidt算法设计低延时定点数除法器加速矩阵求逆运算,使用多周期计算方法隐藏数据相关性带来的数据等待时间并减少硬件资源使用.为了减少硬件资源的消耗,根据NEDI算法在不同大小窗口下核心计算部分的不变性,使用固定资源设计可扩展算法核心电路,采用可变资源设计扩展电路,在FPGA上实现该电路设计.实验结果表明,可扩展NEDI算法硬件的关键路径延时为7.007 ns,工作频率大于100 MHz.与使用PC端软件计算的结果相比,可扩展NEDI算法硬件电路计算结果的误差为0.1%,计算速度是使用PC端软件计算的51倍.

图像插值技术综述

图像插值是图像处理中最基本的技术之一,得到了广泛研究和应用。将图像插值技术分为传统插值、基于边缘的插值和基于区域的插值3类,介绍了各类技术的一般实现方法和典型算法;从原理上分析了各类算法的科学性;并对不同算法进行了对比实验和讨论。实验结果表明,基于区域的插值方法原理更科学,插值图像的主观和客观质量最好;最后,给出了图像插值的发展形式及前景。

改进型快速NEDI图像插值实现算法

针对经典新边缘指导插值(NEDI)算法存在的计算复杂度高、硬件实现困难、插值系数误差累计导致放大图像边缘噪声大的缺陷,提出一种改进的快速NEDI算法。算法采用圆形窗口计算插值系数,且该插值系数在高倍放大中可重复使用,避免了迭代计算插值系数引入的误差,并节省了迭代计算的时间。同时,对边缘区域非中心像素插值时,采用和被插点相邻的6个原像素点估计高分辨率图像的局部协方差。最后给出实验,并与双立方插值及经典NEDI算法进行比较。实验结果表明,使用改进算法插值后的图像边缘更加清晰,消除了大比例缩放时锯齿现象,提高了图像的视觉质量,计算复杂度也较经典NEDI算法大大降低。

基于NSCT的区域自适应图像插值算法

提出一种基于非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)的分区域自适应插值算法,将图像划分为不同区域,相应地采用不同的方法实现图像插值.首先,构造了一类有理函数插值模型,分析了其C2连续性条件,给出了误差估计.其次,通过NSCT捕获到图像的边缘轮廓信息,利用其高频信息的统计特性设定阈值,根据阈值将图像自适应地划分为边缘区域和非边缘区域.最后,边缘区域采用新的基于边缘指导的插值(new edge-directed interpolation,NEDI)模型,非边缘区域采用C2连续有理函数模型插值,进而得到目标图像.实验结果证明:提出的基于NSCT的区域自适应插值算法与当前经典插值算法相比,在处理图像纹理细节和边缘方面具有明显优势,同时获得了较好的客观评价数据,且时间复杂度较低.

基于改进POCS算法的太赫兹图像超分辨率重建

在太赫兹成像系统中,因衍射极限而导致图像具有较低的空间分辨率。为了提高图像的分辨率,提出了一种改进的凸集投影(POCS)算法。采用新的边缘指导插值(NEDI)算法获取初始图像;采用对中心像素在边缘的模板系数加权的方式优化点扩散函数,并且加权值能随边缘与水平方向夹角的改变而自适应调整。利用太赫兹扫描成像系统生成0.5 THz图像进行算法验证。实验结果表明:该算法重建后图像峰值信噪比较传统POCS算法提升1.02 dB,验证了改进算法的有效性。

一种有效的图像超分辨率重建算法

本文提出了一种基于频域图像配准和边缘指导插值的图像超分辨率重建算法。该算法先在频域中对低分辨率(LR)混迭图像序列进行精确配准,再利用边缘指导插值算法对配准后的图像进行插值,实现高分辨率(HR)图像重建。考虑到信号低频部分的信噪比最高又不存在混迭,图像配准中只使用序列的低频信息进行运算。插值算法则是先计算LR图像各像素点的局部协方差系数,再利用LR和HR图像协方差间的几何对偶性来计算HR图像插入像素点的值。实验结果表明,本文提出的算法能有效地实现序列超分辨率重建。