基于小波变换和迭代反向投影的超分辨率算法

针对单帧图像的超分辨率的重建问题,在分析基于小波域及空间域相关算法的基础上,提出了一种基于小波变换和迭代反向投影的超分辨率重建算法。该算法结合了小波域和空间域算法的优势,在小波域通过小波变换对图像进行分解,再利用迭代反向投影方法使重构误差最小化,在小波域和空间域均采用简单插值方法来降低计算复杂度。实验数据表明,该算法与现有其他算法相比,得到的峰值信噪比较高,且运算复杂度较低,对图像的重建质量有明显改善。

基于实时帧迭代反向投影算法的图像序列超分辨率处理

提出一种实时帧迭代反向投影算法实现对图像序列的超分辨率处理。通过建立虚拟全景图像及其迭代权阵,实现迭代反向投影的逐帧处理,从而可实时地对视频图像序列作超分辨率处理。另外还采用了基于光流计算的分层迭代图像配准、双线性插值模拟采样、阈值先验约束、坐标系同步变换等技术来提高算法的有效性。通过对仿真和实际视频序列的处理对算法进行了验证。

基于反向投影的单帧图像超分辨率重建方法

针对单帧图像超分辨率重建提出一种基于反向投影的单帧图像超分辨率重建方法。根据迭代反向投影算法的思想,使用估计高分辨率图像得到4幅模拟低分辨率图像,并将其与实际低分辨率图像的误差图像进行反向投影。在反向投影过程中,自适应地对其权重进行计算,用来更新原先的估计高分辨率图像。实验结果表明,该方法对于不同的降质模型有较好的鲁棒性,计算量小,能有效提高单帧图像超分辨率重建的质量。

压缩视频超分辨率重建技术

超分辨率图像重建就是由低分辨率图像序列来估计高分辨率图像,而压缩视频的重建正成为当前研究的热点。本文首先分析了压缩视频重建的基础,建立了高、低分辨率图像间的关系,给出了量化噪声和运动矢量的模型;接着对目前最具有代表性的最大后验概率(MAP)算法、凸集投影(POCS)算法和迭代反向投影(IBP)算法进行了详细的阐述,并分别给出了实验结果;然后分析了运算的复杂度,介绍了几种实时化方法;最后针对目前存在的问题进行了展望,指出降质模型、运动估计、重建算法和实时应用将是今后研究的重点。

基于近邻嵌入逐级放大的图像超分辨率重建

针对基于近邻嵌入的图像超分辨率重建,提出带约束的逐级放大策略来提高近邻保持率,改进重建效果,并对各级放大的图像用迭代反向投影约束进行修正,减少学习过程中可能出现的误差,保证每一级的解向着正确的方向演化.此外,为充分利用测试图像本身的信息,将由测试图像得到的在线训练集与由训练图像数据库得到的离线训练集串联,构成联合训练集,进一步改进算法的性能.实验表明,与现有的一些算法相比,文中算法无论在视觉效果还是客观评价上都获得了更好的结果.