共查询到18条相似文献，搜索用时 187 毫秒
1.
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，基于上述运动估计算法，采用迭代反投影进行超分辨率重建。试验结果表明，运动估计精度较高，重建影像具有较好的视觉效果，尤其适用于影像序列间存在旋转缩放运动的图像序列的超分辨率重建。 相似文献
2.
针对卫星视频中存在局部运动目标的问题,该文提出了一种运动分割和光流估计联合约束的卫星视频超分辨率重建算法。首先通过视频帧间运动分割方法提取局部运动目标,获得其边缘信息;其次用光流方法对视频图像进行逐像素的运动估计,获得初始运动矢量场;利用分割边缘和运动矢量场进行联合约束,并统一运动目标内的光流矢量,获得纠正后的运动矢量场,并作为几何运动矩阵,将其补偿到超分辨率重建模型中生成高分辨率图像;最后用卫星视频数据进行实验,并与传统方法结果进行对比,证明该文算法可以有效地克服运动目标的伪影效应,提升了卫星视频的分辨率。 相似文献
3.
利用超分辨率重建技术可以有效提高图像的空间分辨率,其中先验模型的选取尤为关键。在最大后验概率(MAP)的框架下引入双边结构张量测度,联合像素邻域4个方向的梯度算子提出一种局部自适应先验方法,构建图像超分辨率重建模型,并利用迭代重加权范数(iteratively reweighted norm)对其进行转换求解。基于标准的测试图像进行了实验,并将本方法与拉普拉斯先验、Huber-Markov先验以及BTV先验的重建结果进行对比,验证了该方法的有效性。 相似文献
4.
图像超分辨率重建是通过对单张或多张具有互补信息的低分辨率图像进行处理,重建一张高分辨率图像的技术。在单张图像的超分辨率重建中,基于稀疏表示的方法取得了很好的效果,得到了广泛的应用。一张图像中不同区域的图像块的内容一般会有显著变化。而基于稀疏表示的超分辨率重建算法多采用固定的字典,无法适应每一个图像块的重建需求。提出了一种结合外部数据和输入图像自身信息进行超分辨率重建的方法,通过搜索待处理图像块的非局部自相似块,结合在线字典学习方法对字典进行更新,从而保证更新后的字典能够匹配待处理的图像块。采用包括遥感图像在内的5张图像进行实验,并与4种经典的超分辨率重建算法进行比较,实验结果表明,此算法在主观评价和客观评价方面都有更好的表现。 相似文献
5.
在含有运动地物的“凝视”卫星视频影像超分辨率重建问题中,针对由于运动估计不准确导致的重建后运动物体存在“格网”和“拖尾”等问题,提出了顾及运动估计误差的运动场景超分辨率重建方法。首先,在MAP模型框架下分析了基于L1范数和L2范数的保真项对于运动估计误差的稳健性,引入稳健的M-估计作为保真项,自适应的减少运动估计误差对重建结果的影响;然后,分析了稳健估计条件下Tikhonov、TV、BTV正则项的重建效果;最后,提出了基于稳健估计的双边滤波超分辨率重建方法,用SkyBox和吉林一号的卫星视频数据验证本文方法。试验证明,本文方法对含有运动目标的卫星视频影像具有较好的重建效果,重建后动态和静态地物细节都得到提升,归一化方差和梯度能量指标都优于其他方法。试验表明了本文方法的可行性。 相似文献
6.
《武汉大学学报(信息科学版)》2016,(10)
随着视频监控应用的普及,超低分辨率人脸识别问题越来越突出。现存的人脸识别算法在面对超低分辨率人脸图像时无法给出满意识别性能。在一定程度上,人脸超分辨率方法可以提高人脸的分辨率,但是,目前主流的基于字典学习的人脸超分辨率方法并不能很好地处理超低分辨人脸图像重建问题,尤其是超分辨率人脸识别问题。利用人脸图像块的非局部相似性和多尺度相似性,提出一种改进的基于字典学习的超分辨率人脸重建算法,同时提出尺度不变特征的超低分辨率人脸识别方法。实验结果表明:本文提出的方法不但具有很好的视觉效果,而且还具有很好的识别效果,与目前主流的人脸超分辨率和识别算法相比具有明显的优势。 相似文献
7.
利用频谱解混叠方法实现超分辨率影像重建 总被引：3，自引：0，他引：3
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，同时恢复出光学权限外的频谱信息。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。 相似文献
8.
9.
《测绘科学》2020,(5)
为了提升遥感图像超分辨率重建算法纹理细节信息还原能力,该文提出了一种基于特征空间感知损失深度残差网络的遥感图像超分辨率重建算法。该算法增加了深度残差网络中的残差块数量,在网络末端采用了亚像素卷积的方法,并在损失函数中增加了特征空间感知损失。在UCMerced_LandUse数据集上进行了训练,并在UCMerced_LandUse数据集和Draper Satellite Image Chronology数据集上进行了测试。测试结果证实了该算法与其他算法相比在峰值信噪比和结构相似性指数上均有一定的提高,证实了该算法较好的超分辨率重建效果与还原遥感图像纹理细节信息的能力。 相似文献
10.
基于超分辨率重建的多时相MODIS与Landsat反射率融合方法 总被引：1，自引：0，他引：1
提出一种基于超分辨率重建的MODIS与Landsat反射率图像融合方法,以STARFM算法与超分辨率重建为基础,使用观测的MODIS和Landsat地表反射率图像预测给定时刻的Landsat合成反射率图像。该方法利用基于稀疏表示的超分辨率重建方法对MODIS图像进行分辨率增强,实验结果表明这一操作能够增加原MODIS图像的空间细节,有助于提高STARFM算法的预测精度;另一方面,考虑输入两个基时刻图像相差较大时原STARFM算法预测的反射率会存在"时间平滑"的问题,限制每次只使用一个基时刻MODIS和Landsat图像对进行STARFM预测,使用逐图像块选择策略,从由两个基时刻图像分别进行预测得到的两组预测图像中选择最优的预测,同样得到了优于STARFM算法的预测结果。 相似文献
11.
以运动结构特征为约束条件的序列影像匹配,是基于多变量核密度函数,采用非参数均值漂移方法估计最优局部运动相似性结构特征的过程。核密度函数的带宽大小决定了匹配方法的收敛速度和精度。本文提出了一种可变带宽的自适应运动结构特征的车载全景序列影像匹配方法。首先以采样点在空间域和光流域的局部空间结构定义自适应的带宽矩阵。采用局部光流特征向量的距离加权法,描述光流域上运动相似性结构特征的松弛扩散过程。然后给出自适应多变量核密度函数的表达形式,并探讨了均值漂移向量的求解、终止条件以及种子点的选择方法。最后融合多尺度SIFT描述特征与运动结构特征,建立统一的全景影像匹配框架。试验选择车载移动测量系统获取的城市球全景序列影像,结果表明在内点率变化、物方尺度变化等情况下,本文方法可以实现自适应运动结构特征的相似性度量,提高匹配的正确点数和匹配率,算法表现出较强的稳键性。 相似文献
12.
增量式运动恢复结构(ISFM)实现了无序影像的三维重建,在精细化建模、现实场景三维记录以及互联网影像三维重建等领域发挥了重要的作用。但增量式运动恢复结构方法仍存在稳健性差和精度低等方面的问题,常导致三维重建结果难以令人满意甚至三维重建失败,严重限制了增量式运动恢复结构技术的发展应用。本文提出了一种增强稳健性、提升精度的运动恢复结构方法。本文方法有如下3点贡献:①针对立体影像特征匹配结果误差点多的问题,提出了一种顾及特征响应值的参数自适应RANSAC方法,在有效剔除误匹配的同时,最大限度地保留了正确的匹配点;②设计了一种顾忌稳健性 相似文献
13.
Hyperspectral image (HSI) and multispectral image (MSI) are two types of images widely used in the field of remote sensing. These images are useful in certain applications, such as environmental monitoring, target detection, and mineral exploration. HSI contains a large amount of spectral information. Photons are typically collected in a larger spatial area on the sensor to ensure a sufficiently high signal-to-noise ratio (SNR). Accordingly, the HSI spatial resolution is much lower compared with MSI. This low spatial resolution greatly affects the practicality of HSI. Accordingly, fusing a low-spatial resolution HSI (LR-HSI) with a high-spatial resolution MSI (HR-MSI) in the same scene to obtain a high-resolution HSI (HR-HSI) is a method for solving such problems, which resolves the contradiction that the spatial resolution and the spectral resolution cannot simultaneously maintain a high level. From the analysis of fusion effect, the spatial and spectral reconstruction errors of the existing algorithms are mainly reflected in the edge and detail areas. The method proposed in this work was a fusion algorithm for dictionary construction and image reconstruction based on detail attention. In terms of maintaining spectral characteristics, the spectral distribution in the detail area is complex and diverse because of the proximity effect of the image. This work proposes to perform dictionary learning on the image and detail layers. The detail perception error terms and a constraint of edge adaptive directional total variation are proposed for spatial characteristic enhancement, which is combined with a local low rank constraint in the same fusion framework to estimate the sparse coefficient. Experiments were conducted on two datasets, namely, Pavia University and Indian Pine, to verify the effectiveness of the proposed method. The quantitative evaluation metrics contain peak SNR, relative dimensionless global error in synthesis, spectral angle map, and universal image quality index. Based on the experimental comparison, the fusion result of the algorithm proposed in this work is significantly improved compared with those of the other algorithms in terms of spatial and spectral characteristics. This work uses dictionary learning to propose a fusion algorithm for dictionary construction and image reconstruction with attention to details through the analysis of the existing hyperspectral and multispectral image fusion algorithms. A hierarchical dictionary learning algorithm is proposed to address the problem of large reconstruction error in the detail part of the existing algorithms. The detail perception error term and the direction adaptive full variational regularization term are used to improve the spectral dictionary solution and coefficient estimation, respectively. The result of the fusion is the error in the spectral characteristics and spatial texture of the detail, which achieves an accurate representation of the edge detail. © 2022 National Remote Sensing Bulletin. All rights reserved. 相似文献
14.
This letter proposes a new model for the second-order statistics of spatial texture in synthetic aperture radar images. The autocovariance function is locally approximated by a two-dimensional anisotropic Gaussian kernel (AGK) to characterize texture by its local orientation and anisotropy. The estimation of texture parameters at a given scale is based on the gradient structure tensor operator and does not require the explicit computation of the autocovariance. Finally, a new filter called AGK minimum mean square error (MMSE) that takes into account this spatial information is introduced and compared with the refined MMSE filter. The proposed filter has better performance in terms of texture preservation and structure enhancement 相似文献
15.
提出一种三维散乱点云的Voronoi拓扑近邻点集查询算法,该算法改进R*-tree建立三维散乱点云的空间索引结构,采用动态扩展空心球算法获取样点的k近邻点集,通过偏心扩展和自适应扩展获取样点拓扑近邻参考数据,生成该局部点集的Voronoi图,查询样点Voronoi邻域获取样点拓扑近邻点集。通过算法时间复杂度分析及相关实验,证明该算法可快速、准确地获取任意复杂散乱点云的Voronoi拓扑近邻点集。 相似文献
16.
一体化空间数据结构及其索引机制研究 总被引：17，自引：1，他引：16
本文提出了一种新的栅矢一体化空间数据结构,该结构采用三级划分策略及几何目标元子充填表达技术,使空间数据栅格化的同时,也能满足精度要求。同时引入弧段栅格比特阵和面要素自适应空间索引结构,有效地提高了空间检索效率。试验证明,上述理论及方法是可行的。 相似文献
17.
Least-squares collocation with covariance-matching constraints 总被引：1，自引：0，他引：1
Christopher Kotsakis 《Journal of Geodesy》2007,81(10):661-677
Most geostatistical methods for spatial random field (SRF) prediction using discrete data, including least-squares collocation
(LSC) and the various forms of kriging, rely on the use of prior models describing the spatial correlation of the unknown
field at hand over its domain. Based upon an optimal criterion of maximum local accuracy, LSC provides an unbiased field estimate
that has the smallest mean squared prediction error, at every computation point, among any other linear prediction method
that uses the same data. However, LSC field estimates do not reproduce the spatial variability which is implied by the adopted
covariance (CV) functions of the corresponding unknown signals. This smoothing effect can be considered as a critical drawback
in the sense that the spatio-statistical structure of the unknown SRF (e.g., the disturbing potential in the case of gravity
field modeling) is not preserved during its optimal estimation process. If the objective for estimating a SRF from its observed
functionals requires spatial variability to be represented in a pragmatic way then the results obtained through LSC may pose
limitations for further inference and modeling in Earth-related physical processes, despite their local optimality in terms
of minimum mean squared prediction error. The aim of this paper is to present an approach that enhances LSC-based field estimates
by eliminating their inherent smoothing effect, while preserving most of their local prediction accuracy. Our methodology
consists of correcting a posteriori the optimal result obtained from LSC in such a way that the new field estimate matches
the spatial correlation structure implied by the signal CV function. Furthermore, an optimal criterion is imposed on the CV-matching
field estimator that minimizes the loss in local prediction accuracy (in the mean squared sense) which occurs when we transform
the LSC solution to fit the spatial correlation of the underlying SRF. 相似文献
18.
针对轮廓模糊建筑物多边形的化简问题,提出一种基于特征边重构的建筑物化简方法。该方法定义了建筑物的主方向和控制其整体结构的特征边,以保持建筑物的规则形态。首先利用统计加权方法计算建筑物的主方向,基于主方向对建筑物执行直角化操作。然后按照特征边的定义检测直角化建筑物的特征边,将特征边组合并抽象出几种局部结构,建立重组规则。最后通过判别特征边组合的空间关系,选择合适的结构重组规则来化简建筑物。结合真实数据进行多组试验,结果表明该方法有效还原了建筑物的直角特征,面积和形状保持良好,适用性强。 相似文献