CN102122387A - 一种鲁棒的超分辨率图像重建方法 - Google Patents

一种鲁棒的超分辨率图像重建方法 Download PDF

Info

Publication number
CN102122387A
CN102122387A CN 201010594211 CN201010594211A CN102122387A CN 102122387 A CN102122387 A CN 102122387A CN 201010594211 CN201010594211 CN 201010594211 CN 201010594211 A CN201010594211 A CN 201010594211A CN 102122387 A CN102122387 A CN 102122387A
Authority
CN
China
Prior art keywords
image
super
resolution image
formula
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN 201010594211
Other languages
English (en)
Other versions
CN102122387B (zh
Inventor
谢立
唐磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chunghsin Technology Group Co ltd
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN2010105942114A priority Critical patent/CN102122387B/zh
Publication of CN102122387A publication Critical patent/CN102122387A/zh
Application granted granted Critical
Publication of CN102122387B publication Critical patent/CN102122387B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)

Abstract

本发明公开一种鲁棒的超分辨率图像重建方法，属于图像处理技术领域。其步骤如下：（1）将输入的每一幅原始图像插值放大；（2）在步骤（1）放大后的图像中，将需要重建的图像分别与其他各幅图像做运动估计，得到运动估计参数；（3）根据步骤（2）得到的运动估计参数，建立考虑运动估计误差的超分辨率图像重建模型，并求解得到重建后的高分辨率图像。与现有技术相比，本发明的优点在于：1）在传统超分辨率图像重建方法的框架上加入一个误差校正函数，从而使得本发明的超分辨率图像重建的结果优于传统方法。2）根据误差的大小自适应的选择合适的参数，当误差比较大或者比较小的时候能自动选择合适的参数，从而优于始终使用一个固定的参数。

Description

一种鲁棒的超分辨率图像重建方法
技术领域
本发明属于图像处理领域，具体涉及一种鲁棒的超分辨率图像重建方法。
背景技术
图像分辨率一直是人们衡量图像质量的一个重要指标。自从1970年以来，随着CCD（电荷耦合元件）和CMOS（互补金属氧化物半导体）图像传感器的发明，人们获取图像的质量上了一个台阶。但是图像传感器采集图像的时候，容易受到模糊、抖动、欠采样、噪声等因素的影响，因此图像质量很难进一步提高。长久以来人们一直在探索提高图像分辨率的方法。传统上人们是通过改善图像传感器来提高获取的图像分辨率，但是这种方法的成本过于昂贵，难以推广。因此有人提出了用超分辨率图像重建技术来提高获取的图像分辨率。
图像的超分辨率重建技术就是人们为了提高图像分辨率问题而提出的解决方案之一。这个技术就是应用现代的信号处理技术，把一系列相互之间只有细小位移的图像序列对于同一幅需要重建图像的信息，融合在一起，从而提高图像的分辨率。这种技术不仅成本低廉，可以用在各种成像场合，而且不需要对现有的成像设备作任何的修改，属于图像的后处理部分。因此，超分辨率图像重建技术在生物医学成像、卫星遥感成像、视频监控等领域都有广泛的应用。
然而，传统的超分辨率图像重建的目标函数存在以下缺陷：第一，误差项采用L2范数扩大了运动估计误差产生的影响；第二，图像序列经过运动估计后的误差大小并不一样，本应该赋予不同的权值，然而传统的超分辨率图像重建的目标函数对于每一个图像序列赋予的权值却是一样的。
发明内容
本发明的目的是提供一种新的鲁棒的超分辨率图像重建方法。
为实现上述目的，本发明所采取的技术方案是：其鲁棒的超分辨率图像重建方法包括以下步骤：
(1)将输入的每一幅原始图像进行插值放大；
(2)在步骤（1）放大后的图像中，将需要重建的图像分别与其他各幅图像做运动估计，得到运动估计参数                                                
Figure 44595DEST_PATH_IMAGE001
；
(3)根据步骤（2）得到的运动估计参数，建立考虑运动估计误差的超分辨率图像重建模型，并求解得到重建后的高分辨率图像。
进一步地，本发明在步骤（3）中，所述考虑运动估计误差的超分辨率图像重建模型由式（1）至式（4）构成，并利用式（5）对该考虑运动估计误差的超分辨率图像重建模型求解得到重建后的高分辨率图像：
Figure 522981DEST_PATH_IMAGE002
式（1）至式（5）中，
Figure 838556DEST_PATH_IMAGE003
是
Figure 376984DEST_PATH_IMAGE004
的近似图像，
Figure 778010DEST_PATH_IMAGE003
的初始值为步骤（2）中需要重建的图像；
Figure 122403DEST_PATH_IMAGE005
 是
Figure 558064DEST_PATH_IMAGE003
第n次迭代后的结果；
Figure 1815DEST_PATH_IMAGE004
是重建后得到的高分辨率图像；
Figure 218032DEST_PATH_IMAGE006
为迭代的步长参数；
Figure 35291DEST_PATH_IMAGE007
为输入的原始图像经过插值放大后的图像，
Figure 325458DEST_PATH_IMAGE008
为输入的原始图像的帧号，P表示输入的原始图像的数量，
Figure 940110DEST_PATH_IMAGE009
是第k帧原始图像的模糊算子，
Figure 315728DEST_PATH_IMAGE010
是
Figure 939607DEST_PATH_IMAGE009
的转置；
Figure 146598DEST_PATH_IMAGE001
是步骤（2）所得到的运动估计参数，
Figure 197730DEST_PATH_IMAGE011
是
Figure 60644DEST_PATH_IMAGE001
的转置；
Figure 284952DEST_PATH_IMAGE012
为平移算子，
Figure 549711DEST_PATH_IMAGE013
表示在方向上向右平移
Figure 909904DEST_PATH_IMAGE015
个像素，
Figure 875586DEST_PATH_IMAGE016
表示在
Figure 57168DEST_PATH_IMAGE017
方向上向上平移h个像素；
Figure 450104DEST_PATH_IMAGE018
、
Figure 287610DEST_PATH_IMAGE019
、、
Figure 827492DEST_PATH_IMAGE021
均为参数；
Figure 453646DEST_PATH_IMAGE006
为迭代的步长参数；
Figure 512869DEST_PATH_IMAGE022
是图像
Figure 882670DEST_PATH_IMAGE007
的近似图像；
Figure 976528DEST_PATH_IMAGE023
为第k帧放大后的图像与其近似图像之间的距离；M、N分别为经过步骤（1）插值放大后的图像的长和宽；
Figure 711266DEST_PATH_IMAGE024
为行号，代表图像的第
Figure 320102DEST_PATH_IMAGE024
行；
Figure 162768DEST_PATH_IMAGE025
为列号，代表图像的第
Figure 173450DEST_PATH_IMAGE025
列。
与现有技术相比，本发明的优点在于：
1）在传统超分辨率图像重建方法的框架上加入一个误差校正函数
Figure 79089DEST_PATH_IMAGE026
，即
Figure 175221DEST_PATH_IMAGE027
，从而使得本发明的超分辨率图像重建的结果优于传统方法。
2）根据误差的大小自适应的选择合适的参数，当误差比较大或者比较小的时候能自动选择合适的参数，从而优于始终使用一个固定的参数。
附图说明
图1为本发明流程示意图。
图2为本发明方法和传统方法的重建结果比较。
具体实施方式
参见图1，本发明一种鲁棒的超分辨率图像重建算法包括以下步骤：
1）对输入的每一幅低分辨率图像进行插值。本发明可以采用最邻近插值、双线性插值、三次卷积插值等方法。下面以三次线性插值方法为例进一步说明本发明，设
Figure 824508DEST_PATH_IMAGE028
为非负整数，为图像在点
Figure 287347DEST_PATH_IMAGE031
处的像素值，则三次线性插值方法由式（6）至式（10）构成：
Figure 802642DEST_PATH_IMAGE032
所求的
Figure 725599DEST_PATH_IMAGE033
即为三次线性插值后的结果。
2）将每一幅图像与需要重建的图像做精确的运动估计。假设输入图像为15帧，并从中选择一幅图像（例如第8帧图像）作为需要重建的图像，那么就需要对第8帧图像和剩余的14幅图像分别做运动估计。
对于整体运动一致的图像序列，本发明可以采用的运动估计算法有：基于归一化互相关的方法、基于互信息的方法、梯度投影法等。以归一化互相关方法为例进一步说明本发明，假设需要做运动估计的两幅图像为
Figure 35358DEST_PATH_IMAGE034
，
Figure 778186DEST_PATH_IMAGE035
；
Figure 769275DEST_PATH_IMAGE036
是需要估计的运动参数；U，V是需要做运动估计的图像的长和宽，函数
Figure 609055DEST_PATH_IMAGE037
代表归一化互相关系数，这个函数值越大代表估计的运动参数越准确。这个方法由式（11）至式（13）构成：
Figure 30328DEST_PATH_IMAGE038
                         （11）
Figure 526032DEST_PATH_IMAGE039
                         （12）
         （13）
求解函数
Figure 15099DEST_PATH_IMAGE037
的值，使得
Figure 666660DEST_PATH_IMAGE037
值最大的
Figure 384080DEST_PATH_IMAGE036
即为每一幅图像的运动估计参数
Figure 779289DEST_PATH_IMAGE001
。
对于整体运动不一致的图像序列，本发明可以采用的运动估计算法有：三步搜索法、光流法、SIFT（尺度不变特征变换）方法。以光流法为例进一步说明本发明，假设像素点在运动后，仅仅位置改变而光强保持不变。其中，用
Figure 531345DEST_PATH_IMAGE041
表示在点
Figure 291490DEST_PATH_IMAGE042
处、时刻
Figure 558524DEST_PATH_IMAGE043
时，像素的光照强度。由于在时间间隔很小的时候，光强基本不变，所以
Figure 301669DEST_PATH_IMAGE045
对
Figure 295033DEST_PATH_IMAGE043
求导的结果应为0，
整理后可得：          
Figure 984115DEST_PATH_IMAGE046
                 （14）
简化上式为：                   
Figure 986706DEST_PATH_IMAGE047
                                         （15）
这就是光流的约束方程。其中是点
Figure 549723DEST_PATH_IMAGE042
处的光流。
由于光流约束只有一个方程，不能决定光流场的两个分量。本发明通过式（16）至式（18）来解决这个问题：
Figure 729032DEST_PATH_IMAGE049
                                     （16）
Figure 269734DEST_PATH_IMAGE050
                                              （17）
Figure 585309DEST_PATH_IMAGE051
                                       （18）
其中
Figure 186055DEST_PATH_IMAGE052
为光流约束项，采用L1范数。为总变分规则化项，
Figure 931474DEST_PATH_IMAGE054
是一个极小的参数，
Figure 101555DEST_PATH_IMAGE055
是正则化参数。最后通过交替迭代的方法可以得到每一幅图像的每个像素点的光流值
Figure 810885DEST_PATH_IMAGE048
。该光流值
Figure 761524DEST_PATH_IMAGE048
即为每一幅图像的运动估计参数
Figure 596361DEST_PATH_IMAGE001
。
3）建立考虑运动估计误差的超分辨率图像重建模型。传统的超分辨率图像重建的目标函数如式（19）所示：
Figure 948845DEST_PATH_IMAGE056
                  （19）
其中
Figure 829076DEST_PATH_IMAGE004
是重建后得到的高分辨率图像，
Figure 204694DEST_PATH_IMAGE003
是
Figure 890890DEST_PATH_IMAGE004
的近似图像。
Figure 35563DEST_PATH_IMAGE007
为输入的低分辨率图像经过插值放大后的图像，为帧号，代表图像序列中的第帧。
Figure 173918DEST_PATH_IMAGE009
是第k帧原始图像的模糊算子，
Figure 500994DEST_PATH_IMAGE001
是用运动估计算法得到的运动估计参数。
Figure 457449DEST_PATH_IMAGE057
函数通常为拉普拉斯算子，
Figure 807658DEST_PATH_IMAGE019
是参数。
式（19）所示的目标函数有两个缺陷：第一，误差项采用L2范数扩大了运动估计误差产生的影响；第二，图像序列经过运动估计后的误差大小并不一样，本应该赋予不同的权值，然而式（19）所示的目标函数对于每一个图像序列赋予的权值却是一样的。因此本发明采用新的目标函数如式（4）所示：
Figure 835657DEST_PATH_IMAGE058
  （4）
式（4）中，
Figure 951993DEST_PATH_IMAGE012
为平移算子，
Figure 407246DEST_PATH_IMAGE013
表示在
Figure 979172DEST_PATH_IMAGE014
方向上向右平移
Figure 545283DEST_PATH_IMAGE015
个像素，
Figure 784634DEST_PATH_IMAGE059
表示在
Figure 410788DEST_PATH_IMAGE017
方向上向上平移
Figure 470011DEST_PATH_IMAGE060
个像素。
Figure 777495DEST_PATH_IMAGE018
，
Figure 933670DEST_PATH_IMAGE019
，
Figure 668408DEST_PATH_IMAGE020
，
Figure 214927DEST_PATH_IMAGE021
均为参数。在式（4）所示的新的目标函数中引入了一个误差校正函数
Figure 60523DEST_PATH_IMAGE026
，即
Figure 71204DEST_PATH_IMAGE027
，这个误差校正函数对于每一个输入的运动估计误差项（即式（4）中的
Figure 979773DEST_PATH_IMAGE061
）赋予了不同的权值。对于误差小于阈值
Figure 75905DEST_PATH_IMAGE062
的情况，该函数值随着误差增大而增大；而当误差大于阈值的时候，该函数值会随着误差的增大而减小，这样可以削弱由于误差过大而对超分辨率图像重建方法产生的负面影响。
参数的值采用式（3）的方法自适应确定：
Figure 590380DEST_PATH_IMAGE063
（
Figure 666921DEST_PATH_IMAGE064
为帧号）                    （3）
Figure 250349DEST_PATH_IMAGE023
为两幅图像间的距离，如式（2）所示：
               （2）
分别为输入的原始图像经过插值放大后的图像的长和宽。为行号，代表图像的第行，
Figure 732277DEST_PATH_IMAGE025
为列号，代表图像的第列。
Figure 990400DEST_PATH_IMAGE022
是对图像
Figure 486103DEST_PATH_IMAGE007
的估计，如式（1）所示：
                            （1）
参数
Figure 706661DEST_PATH_IMAGE068
和误差校正函数的阈值有关，显然对于不同的误差合适的阈值是不一样的。采用式（3）的方法确定参数
Figure 561485DEST_PATH_IMAGE068
，那么当运动估计参数不太精确时，这时误差较大因此需要设置较小的参数，这样阈值就会比误差较小时大一些，从而使得阈值始终处于合适的大小。
由此可见，式（1）至式（4）一起构成了本发明建立的考虑运动估计误差的超分辨率图像重建模型。
4）利用式（5）所示的梯度下降方法对由式（1）至式（4）建立的考虑运动估计误差的超分辨率图像重建模型进行求解，求解后得到的
Figure 674114DEST_PATH_IMAGE069
即为最后得到重建后的高分辨率图像X。
Figure 426170DEST_PATH_IMAGE070
整个迭代过程的截止条件为：
Figure 248632DEST_PATH_IMAGE071
其中表示第次迭代的高分辨率图像重建结果，
Figure 258811DEST_PATH_IMAGE073
为参数。
本发明可采用均方误差MSE来衡量超分辨率图像重建的结果，其中，以
Figure 189858DEST_PATH_IMAGE074
表示标准图像，标准图像经过降采样后即为本发明方法输入的原始图像，图像
Figure 944187DEST_PATH_IMAGE075
为本发明的重建结果，M,N代表标准图像的长和宽，则MSE如式（20）所示：
Figure 618882DEST_PATH_IMAGE076
由式（20）分别对本发明方法和传统方法的重建结果计算MSE值，计算结果如图2所示。一般认为MSE值越小则超分辨率图像重建的结果越好。由如图2可知，在相同的迭代步数下，本发明方法的MSE值比传统的小，可见本发明方法优于传统方法，因此在生物医学成像、卫星遥感成像、视频监控等领域具有很好的应用前景。

Claims (2)

1.一种鲁棒的超分辨率图像重建方法，其特征在于包括以下步骤：
将输入的每一幅原始图像进行插值放大；
在步骤（1）放大后的图像中，将需要重建的图像分别与其他各幅图像做运动估计，得到运动估计参数                                                
Figure 942804DEST_PATH_IMAGE001
；
根据步骤（2）得到的运动估计参数，建立考虑运动估计误差的超分辨率图像重建模型，并求解得到重建后的高分辨率图像。
2.根据权利要求1所述的鲁棒的超分辨率图像重建方法，其特征在于，在步骤（3）中，所述考虑运动估计误差的超分辨率图像重建模型由式（1）至式（4）构成，并利用式（5）对该考虑运动估计误差的超分辨率图像重建模型求解得到重建后的高分辨率图像：
 
Figure 310332DEST_PATH_IMAGE002
     式（1）至式（5）中，
Figure 489640DEST_PATH_IMAGE003
是
Figure 702447DEST_PATH_IMAGE004
的近似图像，
Figure 345918DEST_PATH_IMAGE003
的初始值为步骤（2）中需要重建的图像； 是第n次迭代后的结果；
Figure 361257DEST_PATH_IMAGE004
是重建后得到的高分辨率图像；
Figure 796917DEST_PATH_IMAGE006
为迭代的步长参数；
Figure 506247DEST_PATH_IMAGE007
为输入的原始图像经过插值放大后的图像，
Figure 456886DEST_PATH_IMAGE008
为输入的原始图像的帧号，P表示输入的原始图像的数量，
Figure 277074DEST_PATH_IMAGE009
是第k帧原始图像的模糊算子，
Figure 567241DEST_PATH_IMAGE010
是
Figure 509790DEST_PATH_IMAGE009
的转置；
Figure 885407DEST_PATH_IMAGE001
是步骤（2）所得到的运动估计参数，是
Figure 716277DEST_PATH_IMAGE001
的转置；
Figure 767410DEST_PATH_IMAGE012
为平移算子，表示在
Figure 857561DEST_PATH_IMAGE014
方向上向右平移
Figure 856741DEST_PATH_IMAGE015
个像素，表示在方向上向上平移h个像素；
Figure 456984DEST_PATH_IMAGE018
、
Figure 638566DEST_PATH_IMAGE019
、
Figure 765922DEST_PATH_IMAGE020
、
Figure 603428DEST_PATH_IMAGE021
均为参数；为迭代的步长参数；
Figure 408890DEST_PATH_IMAGE022
是图像
Figure 707148DEST_PATH_IMAGE007
的近似图像；
Figure 29020DEST_PATH_IMAGE023
为第k帧放大后的图像与其近似图像之间的距离；M、N分别为经过步骤（1）插值放大后的图像的长和宽；
Figure 336505DEST_PATH_IMAGE024
为行号，代表图像的第
Figure 227100DEST_PATH_IMAGE024
行；
Figure 961838DEST_PATH_IMAGE025
为列号，代表图像的第
Figure 508357DEST_PATH_IMAGE025
列。
CN2010105942114A 2010-12-18 2010-12-18 一种鲁棒的超分辨率图像重建方法 Expired - Fee Related CN102122387B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010105942114A CN102122387B (zh) 2010-12-18 2010-12-18 一种鲁棒的超分辨率图像重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010105942114A CN102122387B (zh) 2010-12-18 2010-12-18 一种鲁棒的超分辨率图像重建方法

Publications (2)

Publication Number Publication Date
CN102122387A true CN102122387A (zh) 2011-07-13
CN102122387B CN102122387B (zh) 2012-11-28

Family

ID=44250938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010105942114A Expired - Fee Related CN102122387B (zh) 2010-12-18 2010-12-18 一种鲁棒的超分辨率图像重建方法

Country Status (1)

Country Link
CN (1) CN102122387B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682442A (zh) * 2012-04-28 2012-09-19 东南大学 基于光流场的运动目标超分辨率图像重建方法
CN102708550A (zh) * 2012-05-17 2012-10-03 浙江大学 一种基于自然图像统计特性的盲去模糊算法
CN102750668A (zh) * 2012-07-04 2012-10-24 西南交通大学 结合局部方向特征的数字图像三倍插值放大方法
CN103473752A (zh) * 2013-08-22 2013-12-25 杨勇 一种基于耦合偏微分方程模型的超分辨率图像重建方法
CN103500445A (zh) * 2013-09-22 2014-01-08 华南理工大学 一种彩色视频的超分辨率处理方法
CN103824273A (zh) * 2014-03-19 2014-05-28 中科院成都信息技术股份有限公司 基于复合运动和自适应非局部先验的超分辨率重建方法
CN104299209A (zh) * 2014-09-18 2015-01-21 南方医科大学 基于快速亚像素运动估计的肺4d-ct图像超分辨率重建方法
CN106780338A (zh) * 2016-12-27 2017-05-31 南京理工大学 基于各向异性的快速超分辨率重建方法
CN109584164A (zh) * 2018-12-18 2019-04-05 华中科技大学 基于二维影像迁移学习的医学图像超分辨率三维重建方法
CN109658361A (zh) * 2018-12-27 2019-04-19 辽宁工程技术大学 一种顾及运动估计误差的运动场景超分辨率重建方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004070661A1 (de) * 2003-02-05 2004-08-19 Siemens Aktiengesellschaft Voxel-getriebene spiralrekonstruktion für kegelstrahl-ct
CN1591479A (zh) * 2003-08-29 2005-03-09 安捷伦科技有限公司 用于图像重建系统的图像缓冲器以及访问调度

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004070661A1 (de) * 2003-02-05 2004-08-19 Siemens Aktiengesellschaft Voxel-getriebene spiralrekonstruktion für kegelstrahl-ct
CN1591479A (zh) * 2003-08-29 2005-03-09 安捷伦科技有限公司 用于图像重建系统的图像缓冲器以及访问调度

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682442A (zh) * 2012-04-28 2012-09-19 东南大学 基于光流场的运动目标超分辨率图像重建方法
CN102682442B (zh) * 2012-04-28 2015-02-11 东南大学 基于光流场的运动目标超分辨率图像重建方法
CN102708550A (zh) * 2012-05-17 2012-10-03 浙江大学 一种基于自然图像统计特性的盲去模糊算法
CN102708550B (zh) * 2012-05-17 2014-12-03 浙江大学 一种基于自然图像统计特性的盲去模糊方法
CN102750668A (zh) * 2012-07-04 2012-10-24 西南交通大学 结合局部方向特征的数字图像三倍插值放大方法
CN102750668B (zh) * 2012-07-04 2014-07-02 西南交通大学 结合局部方向特征的数字图像三倍插值放大方法
CN103473752A (zh) * 2013-08-22 2013-12-25 杨勇 一种基于耦合偏微分方程模型的超分辨率图像重建方法
CN103500445A (zh) * 2013-09-22 2014-01-08 华南理工大学 一种彩色视频的超分辨率处理方法
CN103500445B (zh) * 2013-09-22 2016-05-04 华南理工大学 一种彩色视频的超分辨率处理方法
CN103824273B (zh) * 2014-03-19 2017-02-01 中科院成都信息技术股份有限公司 基于复合运动和自适应非局部先验的超分辨率重建方法
CN103824273A (zh) * 2014-03-19 2014-05-28 中科院成都信息技术股份有限公司 基于复合运动和自适应非局部先验的超分辨率重建方法
CN104299209A (zh) * 2014-09-18 2015-01-21 南方医科大学 基于快速亚像素运动估计的肺4d-ct图像超分辨率重建方法
CN106780338A (zh) * 2016-12-27 2017-05-31 南京理工大学 基于各向异性的快速超分辨率重建方法
CN109584164A (zh) * 2018-12-18 2019-04-05 华中科技大学 基于二维影像迁移学习的医学图像超分辨率三维重建方法
CN109584164B (zh) * 2018-12-18 2023-05-26 华中科技大学 基于二维影像迁移学习的医学图像超分辨率三维重建方法
CN109658361A (zh) * 2018-12-27 2019-04-19 辽宁工程技术大学 一种顾及运动估计误差的运动场景超分辨率重建方法
CN109658361B (zh) * 2018-12-27 2022-12-06 辽宁工程技术大学 一种顾及运动估计误差的运动场景超分辨率重建方法

Also Published As

Publication number Publication date
CN102122387B (zh) 2012-11-28

Similar Documents

Publication Publication Date Title
CN102122387A (zh) 一种鲁棒的超分辨率图像重建方法
CN110415199B (zh) 基于残差学习的多光谱遥感图像融合方法及装置
CN101601279B (zh) 摄像装置以及摄像方法
CN103503432B (zh) 图像处理装置、图像处理方法
CN106504290B (zh) 一种高精度的摄像机动态标定方法
WO2021083020A1 (zh) 图像融合方法、图像融合装置、存储介质与终端设备
US20030098919A1 (en) Photocurrent estimation from multiple captures for simultaneous SNR and dynamic range improvement in CMOS image sensors
CN102640189A (zh) 用于估计场景中精确和相对物体距离的算法
CN110689509B (zh) 基于循环多列3d卷积网络的视频超分辨率重建方法
CN103854267A (zh) 一种基于变分与分数阶微分的图像融合与超分辨率实现方法
CN103237168A (zh) 一种基于综合增益的高动态范围图像视频处理方法
CN104008543A (zh) 一种图像融合质量评价方法
CN105931210B (zh) 一种高分辨率图像重建方法
WO2019010932A1 (zh) 一种利于模糊核估计的图像区域选择方法和系统
CN106169173A (zh) 一种图像插值方法
CN104601905A (zh) 产生高动态范围影像的方法与装置以及计算机程序产品
CN104200457A (zh) 基于广角摄像的离散型冠层叶面积指数检测系统和方法
CN103473751A (zh) 基于多目标的cmos传感器细胞图像超分辨率重构方法
CN107238442B (zh) 不带温度稳定器的探测器测温调温方法
CN104182931B (zh) 超分辨率方法和装置
WO2020001046A1 (zh) 一种基于自适应层次化运动建模的视频预测方法
CN110910442B (zh) 一种基于kernel-free图像复原的高速移动对象机器视觉尺寸检测方法
CN107194874A (zh) 基于偏置稳像的超分辨成像系统及方法
CN108154470A (zh) 一种遥感图像处理方法
CN111402153A (zh) 一种图像处理方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20110713

Assignee: CHUNGHSIN TECHNOLOGY GROUP Co.,Ltd.

Assignor: Zhejiang University

Contract record no.: 2015330000245

Denomination of invention: Super-resolution image reconstruction method for robust

Granted publication date: 20121128

License type: Exclusive License

Record date: 20150930

LICC Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20160527

Address after: 318000 No. 618-2 workers Road West, Jiaojiang District, Zhejiang, Taizhou

Patentee after: CHUNGHSIN TECHNOLOGY GROUP Co.,Ltd.

Address before: 310027 Hangzhou, Zhejiang Province, Xihu District, Zhejiang Road, No. 38, No.

Patentee before: Zhejiang University

CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20121128

Termination date: 20211218

CF01 Termination of patent right due to non-payment of annual fee