作者:李诚; 张羽; 黄初华 期刊:《计算机工程与应用》 2020年第04期
近年来,生成对抗网络在约束图像生成方面表现出了较好的潜力,使其适用于图像超分辨率重建。针对基于卷积神经网络的图像超分辨率重建算法存在的特征信息利用率低的问题,基于生成对抗网络框架,提出了残差密集生成对抗网络的超分辨率重建算法。该算法定义生成器网络、判别器网络,通过构建残差密集网络作为生成器网络及PatchGAN作为判别器网络,以解决基于卷积神经网络的超分辨率算法中特征信息利用率低以及生成对抗网络收敛慢的问题。...
作者:周航; 何小海; 王正勇; 熊淑华; Karn; Pradeep 期刊:《 电讯技术》 2020年第01期
在实际应用中,为了节省带宽和方便存储,图像和视频通常被下采样和压缩,而降质的图像与视频无法满足人们的实际需求。针对这一问题,采用了一种双网络结构的超分辨率重建方法,首先建立下采视频与压缩后的低分辨率视频的映射关系,然后建立质量增强的压缩视频与原始视频的映射关系,最终在输出端可以得到质量提升的视频帧。在网络中,采用密集残差块来提取压缩视频中丰富的局部分层特征,并结合全局残差学习恢复视频中的高频信息。在压缩...
作者:徐宏根; 李春来; 杨淼; 董小环 期刊:《华南地质与矿产》 2019年第04期
高光谱遥感图像受到成像系统硬件限制,无法同时具有高空间分辨率和高光谱分辨率,较低的空间分辨率制约高光谱图像的应用,超分辨率重建技术可提高图像的空间分辨率。针对高光谱图像的超分辨率重建中光谱保真度的问题,在重建方法中耦合光谱保真度函数,结合结构自适应归一化卷积方法,提出基于光谱保真约束的归一化卷积方法。具体地,将图像局部邻域内像素间的光谱相关性作为约束条件,将与中心像素光谱类似的像素赋予较大权值,从而提高...
作者:谢堂鑫; 杨欣; 朱松岩; 周大可; 朱晨 期刊:《云南民族大学学报·自然科学版》 2019年第06期
针对单幅图像超分辨率重建问题(SISR),提出了一种新的基于Dirac残差的超分辨率重建算法.算法使用全局跳跃重建层来直接利用输入LR图像的低频特征,通过多个dirac残差块来自适应学习输入LR图像的高频特征,通过亚像素卷积进行图像重建.算法通过权重参数化来改进残差层,同时使用输入图像的卷积特征与残差网络学习特征结合进行重建.实验采用Adam优化器进行网络训练.使用L1范数作为损失函数.在PSNR、SSIM和视觉效果与其他先进算法进行对...
作者:吴磊; 吕国强; 赵晨; 盛杰超; 冯奇斌 期刊:《液晶与显示》 2019年第10期
为了将超分辨率重建算法应用于医学影像领域,提升各类医学影像的分辨率,针对当前主流算法网络结构和分辨率提升倍数的尺度单一性问题,提出了一种应用于CT图像的多尺度残差网络模型。首先,通过级联多层残差块构建模型框架,残差块内采用3种尺度的卷积核提取低分辨率图像的细节特征。然后,将特征图融合在一个维度进行特征映射和数据降维,并将多尺度特征信息导入下一残差块。最后,将网络学习到的残差图与低分辨率图像融合,重建高分辨率...
作者:欧阳宁; 王先傲; 蔡晓东; 林乐平 期刊:《西安电子科技大学学报》 2019年第06期
针对低分辨率人脸图像缺少有效信息而导致识别率较低的问题,提出一种结合哈尔小波与递归神经网络的低分辨率人脸识别方法。首先,通过深层网络直接预测小波系数,经过小波逆变换得到高分辨率人脸图像,可以有效地重建高频信息;其次,在卷积神经网络中加入递归模块,在增加网络深度的同时减少参数冗余,提升模型的映射能力;最后,提出一种优化的重建与感知损失融合方法,将小波系数重建损失与感知损失进行加权融合,用以生成有利于识别的人脸...
作者:石翠萍; 王晴 期刊:《微电子学与计算机》 2019年第10期
为解决一般重建方法效果欠佳的问题,使重建后的图像具有良好的清晰度,本文依据稀疏表示原理等内容,设计了一种新的超分辨率重建算法,实现了超分辨率最优解问题.对一幅低分辨率图像,分割后进行特征提取,得到的图像特征块可在字典的低分辨率部分生成一组权重系数.在字典的高分辨率部分,用高分辨率特征块乘以所得系数,可以重新构造出高分辨率图像块,并将它们组合起来得到一幅完备的高分辨率图像.实验结果表明,与双三次插值方法相比,本...
作者:刘小花; 唐贵进 期刊:《软件导刊》 2019年第12期
由于低秩先验能够有效地学习图像数据的冗余和数据的全局结构,因此低秩约束在矩阵填充中得到广泛应用。以往的研究表明,低秩约束对张量恢复具有显著影响,这些工作往往通过Tucker秩解决,然而Tucker秩不能捕获张量的内在相关性。提出一种新的基于张量链秩1(Tensor-Train Rank-1,TTR1)分解的逼近张量核范数的邻近算子。低秩约束能够很好地捕获数据的全局结构,但不能利用可视化数据的局部平滑性,因此提出将张量低秩和全变分(total vari...
作者:武玉坤; 陈沅涛 期刊:《计算机工程与设计》 2019年第12期
图像场景中提取特征数量较少,难以满足三维重建对特征匹配的要求,为此提出基于超分辨率重建的特征提取算法。采用回归学习对低分辨率图像进行重建,对重建结果采用图像先验知识优化,获取较高分辨率图像,对高分辨率图像进行特征提取。实验结果表明,相较重建前图像平均提高6倍以上特征点数量,提高5倍以上匹配点数量,该算法能够提高提取特征点的数目,满足三维重建等需要较多特征点的情况。
本文提出了一种基于超分辨率重建的序列图像增强算法。该算法根据贝叶斯理论和最大似然估计法则得到正则化最小代价函数;采用双边滤波算子自适应的计算正则化矩阵,能较好的保持边缘和纹理信息。并通过实验验证该算法比非均匀插值法、反向迭影法、结构自适应归一化卷积法和凸集投影法得到了更好的重建结果,起到了更有效的增强作用。
作者:蒋雪; 韩芳 期刊:《信息技术与网络安全》 2017年第20期
目前,深度学习已经在图像超分辨率重建上表现出不错的性能,但是对某些纹理细节还原度不高。针对此问题,提出了基于卷积神经网络的纹理的超分辨率重建算法。首先用梯度算子提取图像的纹理特征,再将图像按照纹理进行分类,最后用卷积神经网络对同一类别的样本集进行超分辨率重建。实验证明,该算法能够恢复一定的纹理信息,而且对同类纹理的重建结果优于已有算法。
作者:张健; 何京璇; 王容 期刊:《信息技术与网络安全》 2019年第07期
针对现有的SRCNN算法网络训练时间太长、重建性能不佳、运行速度较慢的问题,提出了一种新的图像超分辨率重建算法,基于卷积神经网络以低分辨率的图像作为网络输入,利用卷积操作学习图像的高阶表示,通过反卷积操作进行上采样重建图像,同时在网络中加入残差结构,使得整个网络能够更好地收敛。在Set5、Set14、BSD200测试集上的实验结果表明,相比双三次插值法Bicubic、SRCNN等方法,所提方法对图像的超分辨率重建效果更好,运行速度有很...
作者:郭桐宇; 宋伟东 期刊:《测绘工程》 2018年第01期
针对传统迭代反射投影方法得到的重建影像,其边缘部分存在锯齿效应和噪声信息,从而无法达到提升影像清晰度不足的问题。文中对初始重建影像,首先使用反锐化掩模方法提取其中的高频分量,并对高频信息进行分类,然后平滑掉其中的噪声信息,应用高频增强曲线对高频分量进行提升,保持高频分量的单调性。实验仿真结果表明,该方法可以消除噪声,小的边缘纹理细节得到增强,大轮廓没有过增强,可有效提升重建影像的清晰度。
作者:张焯林; 曹飞龙 期刊:《中国计量大学学报》 2019年第01期
目的:研究轻量级网络的超分辨率重建。方法:尝试在图像超分辨率重建中引入MobileNet网络结构,并使用MobileNetv2网络结构对网络进行改进。结果:通过将标准的卷积网络分解为深度卷积和逐点卷积操作,该网络将参数数量和计算量缩减为原来的1/4左右。结果显示除了在扩大因子为×2的情况下重建效果有所下降之外,在其他的尺度上都取得了更好的效果。使用MobileNetv2网络结构对网络改进以后,该网络能在参数数量和计算量增加不多的情况下进...
作者:刘越; 朱福珍; 丁群 期刊:《黑龙江大学自然科学学报》 2018年第06期
为获取地物信息更丰富、空间分辨率更高的遥感图像,提出了一种改进的稀疏表示遥感图像超分辨重建算法。对遥感图像预处理,得到所需训练样本图像;利用字典学习算法进行学习,得到遥感图像结构相似的高低分辨率字典对;对图像特征块进行稀疏表示时,采用改进的自适应滤波方法进行特征提取,同时引入均值滤波法改进超分辨重建迭代计算。实验结果表明,改进后的稀疏表示超分辨方法,有效地避免了重建图像边缘信息的丢失,获取了较好的超分辨重...
作者:伍政华; 孙明健; 顾宗山; 范明意 期刊:《电子学报》 2017年第11期
超分辨率图像重建是增强那些低成本成像传感器系统图像分辨率的有效措施.得益于先验知识的学习,低分辨率图像可有效地被超分辨率增强.针对带有明显边缘结构的图像,现有方法没有有效利用高阶信息从而会出现一些光滑的图像细节.本文针对这种特殊的图像结构,研究一种基于二阶广义方向性全变分的重建方法来挖掘那些隐含的高阶可利用信息.二阶广义方向性全变分不仅可以作为先验知识,还能作为稀疏正则项抑制伪影和噪声.实验结果表明,本文...
作者:范铀; 陈旭帅; 王丹丹; 白明亮; 周敏 期刊:《测绘通报》 2018年第02期
由于计算机内存的限制,遥感影像的超分辨率重建一般采用分块算法进行处理,重建后的影像由于亮度、反差分布不均匀很难实现无缝拼接。针对超分辨率重建影像无重叠、规则大小的特点,本文提出了一种改进的加权Wallis匀光算法。该方法采用一种新的影像调整顺序,并使用加权法计算匀光参数,可以减少影像调整时误差的空间传递和累积,避免过度计算造成影像信息损失。最后,采用本文方法对900幅超分辨率重建后的资源三号影像进行匀光处理。试...
图像超分辨率重建技术是根据序列图像间信息互补重建高分辨率图像的技术,其主要步骤在于精确运动估计算法和有效超分辨率重建算法。针对存在旋转、缩放变换的序列图像,本文提出一种基于SIFT匹配和随机采样一致性算法(RANSAC)的运动估计算法,该方法首先使用SIFT算法对图像序列的特征点进行提取并匹配,然后使用RANSAC算法消除误匹配点并获取投影变换矩阵,从而获得图像序列间的亚像素级的运动信息;采用一组低分辨率序列图像进行试验,...
作者:贺璟; 郝晓丽; 吕进来 期刊:《中国科技论文》 2017年第14期
传统的凸集投影(projection onto convex sets,POCS)算法只能得到低对比度、低信噪比、边缘模糊的图像。为了解决上述问题,提出了1种改进的基于视觉机制的POCS超分辨率重建算法,引入可变校正阈值的数据一致性约束,以突出目标边缘和滤除背景噪声;对传统POCS算法的插值算法进行改进,采用基于梯度的插值算法进行图像的初始估计。实验结果表明,改进的POCS算法可以获得高质量的图像对比度,另外其重建效率、结构相似性指数和峰值信噪比...
作者:郭睿; 史小平; 贾殿坤 期刊:《黑龙江大学工程学报》 2018年第04期
提出一种处理单幅图像超分辨率重建的深度学习方法,该方法通常把低分辨率图像作为输入,高分辨率图像作为输出,同时直接学习低/高分辨率图像之间的端到端映射关系,从而根据映射关系建立深度卷积神经网络(deep convolutional neural network,CNN)。另外,传统的基于稀疏编码的超分辨率重建方法同样可以认为是一种深度卷积网络,但是通常需要分别执行每一步操作,而文中方法则实现共同优化所有的卷积层。实验结果显示,深度卷积神经网络虽...