CN106373087A - 一种改进初始估计的图像超分辨率重建方法 - Google Patents
一种改进初始估计的图像超分辨率重建方法 Download PDFInfo
- Publication number
- CN106373087A CN106373087A CN201610711768.9A CN201610711768A CN106373087A CN 106373087 A CN106373087 A CN 106373087A CN 201610711768 A CN201610711768 A CN 201610711768A CN 106373087 A CN106373087 A CN 106373087A
- Authority
- CN
- China
- Prior art keywords
- image
- resolution
- sigma
- pixel
- estimation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000009466 transformation Effects 0.000 claims abstract description 31
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000006073 displacement reaction Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000006866 deterioration Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000013519 translation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明一种改进初始估计的图像超分辨率重建方法属于图像处理和计算机视觉检测领域,涉及一种改进初始估计的图像超分辨率重建方法。该方法利用相机拍摄同一场景相似但不完全相同的图像序列,并以第一幅图像为基准计算其它图像相对于基准图像的变换矩阵,保留图像间的亚像素位移,对图像序列进行逆变换,将基准图像插值放大至4倍作为高分辨率图像的初始估计。利用逆变换后的图像序列对初始估计进行修正,得到修正后高分辨率图像之后再利用凸集投影算法对其每个像素点进行迭代修正,直至满足迭代条件,最终得到一幅重建的高分辨率图像。该方法对高分辨率图像像素进行投影修正前进行了适当的改进,减小重建的均方误差,具有更高的图像重建质量。
Description
技术领域
本发明属于图像处理和计算机视觉检测领域,涉及一种改进初始估计的图像超分辨率重建方法,具体是指基于凸集投影算法,通过改进超分辨率图像的初始估计,从而改善图像重建质量的方法。
背景技术
随着科技的发展,图像已经成为信息传递的重要载体,而对于高分辨率图像的需求更是日益广泛。在遥感测绘、医学诊断、军事侦察等领域,均需要高分辨率的图像来获取更多的细节信息,从而做出更加准确的判断。然而,由于相机CCD阵列密度在技术上已经到达瓶颈,难以进一步提高图像分辨率,因此通过软件方法来获取更高分辨率的图像是解决该问题的有效途径。图像超分辨率重建通过提取同一场景多幅图像之间的互补信息来重建一幅或多幅更高分辨率的图像,具有良好的应用前景。宦若虹等人发明的专利号为CN103870836A的“基于凸集投影超分辨率重构的合成孔径雷达图像目标识别方法”专利,发明了一种基于凸集投影法的图像超分辨率重建方法,首先选用同一场景多幅图像,将其中一幅图像通过双立方插值放大为原图像的两倍,作为超分辨率图像的初始估计,再基于凸集投影理论利用低分辨率图像序列对图像的初始估计进行迭代修正。万发平等人发明的专利号为CN 101980289A的“基于频域配准和凸集投影的多帧图像超分辨率重建方法”专利,发明了一种基于频域配准和凸集投影法相结合的重建方法,首先读入多帧图像,选取一张作为配准参考帧,对图像进行配准,然后采用双线性插值法获取高分辨率图像的初始估计,再基于配准参数利用凸集投影法进行反复修正。以上两种方法都能够有效提高图像的分辨率,但是由于凸集投影法严重依赖于初始估计的准确度,简单地采取插值方法获取,会影响最终图像的质量。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,发明一种基于凸集投影法的改进初始估计的图像超分辨率重建方法。该方法通过对传统凸集投影重建方法进行改进,减小重建时高分辨率图像初始估计的误差,进一步改善图像重建的质量,减小重建的均方误差。
本发明采用的技术方案是一种改进初始估计的图像超分辨率重建方法,该方法首先利用相机拍摄同一场景相似但不完全相同的图像序列,并以第一幅图像为基准计算其它图像相对于基准图像的变换矩阵,保留图像间的亚像素位移,对图像序列进行逆变换,将基准图像插值放大至4倍作为高分辨率图像的初始估计,利用逆变换后的图像序列对初始估计进行修正,得到修正后高分辨率图像之后再利用凸集投影算法对其每个像素点进行迭代修正,直至满足迭代条件,最终得到一幅重建的高分辨率图像。方法的具体步骤如下:
步骤1:序列图像获取与配准
首先在相机视场4个边角处分别粘贴1个靶标1,在保证靶标处于视场内的前提下边轻微移动相机边拍摄N幅图像,提取各图像中靶标特征点,以第一幅图像为基准,利用图像中特征点的坐标分别计算其它图像相对于基准图像的变换矩阵,第k幅图像的变换矩阵记作:
其中,和(uk vk)分别表征了各图像相对于基准图像的旋转分量和平移分量。
步骤2:获取修正的高分辨图像初始估计
将步骤1中变换矩阵中的(uk vk)四舍五入后得到新的变换矩阵,并求得其逆矩阵,利用逆矩阵分别对图像进行反变换。通过该方法,可以使每幅图像在x和y方向上相对于基准图像都只存在小于半个像素的偏差。以第一幅图像作为基准,对其进行双线性插值,获得放大4倍的初始高分辨率图像,为了提高初始高分辨率图像估计的准确度,减小初始估计的误差,改善最终图像的质量,将N幅反变换后的图像中所有对应像素点求平均值,获得修正的高分辨图像初始估计。计算公式为:
其中,F为初始高分辨率估计图像,Gk为第k幅低分辨率图像。
步骤3:残差计算
该步骤对修正后的高分辨率图像初始估计进行降质并与实际低分辨率图像序列相比较,求取残差。用Gk(i,j)表示第k幅低分辨率图像中坐标为(i,j)处的像素值,用F(x,y)表示当前高分辨率图像估计中坐标为(x,y)处的像素值,(m,n)和(a,b)是根据图像配准结果求取的当前高分辨率图像估计中对应于低分辨率图像中(i,j)的像素点,其中(a,b)由(m,n)四舍五入取整获得,(x,y)位于以(a,b)坐标为中心的高分辨率图像中的一块5×5像素区域。图像降质的点扩散函数选用高斯模型,表示为:
对点扩散函数进行归一化处理,其关系如下:
因此,对应于低分辨率图像Gk(i,j)的像素点的残差表示为:
步骤4:像素迭代修正
设置残差阈值σ,如果对应于Gk(i,j)的残差结果超出阈值,则对当前高分辨率图像估计对应区域的像素值进行修正,修正算子为:
对低分辨率图像序列中每幅图像中的所有像素点依次进行以上过程来修正当前高分辨率图像估计所对应位置的像素区域,多次迭代执行,直至图像质量满足要求。
本发明的有益效果是考虑凸集投影算法在图像超分辨率重建中对初始估计的严重依赖,因此在对高分辨率图像像素进行投影修正前进行了适当的改进,与直接进行简单插值的初始估计相比,减小重建的均方误差,具有更高的图像重建质量。
附图说明
图1为拍摄场景图,其中,1-靶标。图2为算法具体流程图。
具体实施方式
下面结合技术方案和附图详细说明本发明的具体实施方式。
附图1为拍摄场景图,首先在要拍摄的视场4个边角附近分别粘贴1个靶标1,在保证4个靶标1都不超出相机视场的前提下边移动相机边连续拍摄相似但不完全相同的图像序列,并以第一幅图像为基准计算其它图像相对于基准图像的变换矩阵,对变换矩阵中的平移分量进行修改,并求取逆矩阵,保留图像间的亚像素位移,对图像序列进行逆变换,之后将基准图像插值放大至4倍作为高分辨率图像的初始估计,再基于逆变换后的图像序列对初始估计进行修正,得到修正后高分辨率图像之后再利用凸集投影算法对其每个像素点进行迭代修正,直至满足迭代条件,最终得到一幅重建的高分辨率图像。具体步骤如下:
步骤1:序列图像获取与配准
首先在欲拍摄的相机视场的4个边角处分别粘贴1个靶标,如图1所示,保证靶标始终处于视场内,同时不断轻微移动相机并连续拍摄25幅图像,为方便对比结果,本实施例采用图像处理中常用的仿真实验,将一幅高分辨率图像通过平移、旋转、降采样之后得到25幅低分辨率图像序列,重建该图像序列得到高分辨率图像并与原始高分辨率图像进行对比。获取图像序列后,提取各图像中靶标特征点,以第一幅图像为基准,利用图像中特征点的坐标分别计算其它图像相对于基准图像的变换矩阵,如第2幅图像的变换矩阵记为:
其中,和(4.9883 4.2239)分别表征了第2幅图像相对于基准图像的旋转分量和平移分量。
步骤2:获取修正的高分辨图像初始估计
将步骤1中变换矩阵中的(4.9883 4.2239)四舍五入后得到新的变换矩阵,并进而利用MATLAB中inv函数其逆矩阵,通过逆矩阵分别对第2幅图像进行反变换,其他图像作相同处理。通过该方法,可以使每幅图像在x和y方向上相对于基准图像都只存在小于半个像素的偏差。以第一幅图像作为基准,对其进行双线性插值,获得放大4倍的初始高分辨率图像,传统的凸集投影法多直接采用插值后的图像作为初始估计并进行下一步的处理,此处为了提高初始高分辨率图像估计的准确度,减小初始估计的误差,改善最终图像的质量,利用反变换后的图像序列,使用公式(2)对初始高分辨率图像估计进行修正。
步骤3:残差计算
该步骤对修正后的高分辨率图像初始估计进行降质并与实际低分辨率图像序列相比较,求取残差。用Gk(i,j)表示第k幅低分辨率图像中坐标为(i,j)处的像素值,用F(x,y)表示当前高分辨率图像估计中坐标为(x,y)处的像素值,(m,n)和(a,b)是根据图像配准结果求取的当前高分辨率图像估计中对应于低分辨率图像中(i,j)的像素点,其中(a,b)由(m,n)四舍五入取整获得,(x,y)位于以(a,b)坐标为中心的高分辨率图像中的一块5×5像素区域。图像降质的点扩散函数选用高斯模型,利用公式(3)(4)(5)可以求取对应于每幅低分辨率图像每个像素位置的残差,如第2幅图像像素坐标为(5,7)处的残差计算结果为1.4631.
步骤4:像素迭代修正
设置残差阈值σ=1,如果对应于Gk(i,j)的残差结果超出阈值,则对利用公式(6)当前高分辨率图像估计对应区域的像素值进行修正,对低分辨率图像序列中每幅图像中的所有像素点依次进行以上过程来修正当前高分辨率图像估计所对应位置的像素区域,设置迭代次数为2,对低分辨率图像序列进行2次循环。最终采用本方法获取的超分辨率重建图像的均方误差为43.87,而使用传统的未改进的凸集投影重建方法得到的图像均方误差为49.62,因此,通过本方法对初始估计进行改进后,图像重建质量具有一定的改善。
本发明提出了一种改进初始估计的图像超分辨率重建方法,通过在视场内布置靶标拍摄序列图像,并进行配准,改进超分辨率重建的初始估计,再基于凸集投影算法对改进后的初始估计进行像素修正,有效改善了图像重建的质量。
Claims (1)
1.一种改进初始估计的图像超分辨率重建方法,其特征是,该方法首先利用相机拍摄同一场景相似但不完全相同的图像序列,并以第一幅图像为基准计算其它图像相对于基准图像的变换矩阵,保留图像间的亚像素位移,对图像序列进行逆变换,将基准图像插值放大至4倍作为高分辨率图像的初始估计,利用逆变换后的图像序列对初始估计进行修正,得到修正后高分辨率图像之后再利用凸集投影算法对其每个像素点进行迭代修正,直至满足迭代条件,最终得到一幅重建的高分辨率图像;方法的具体步骤如下:
步骤1:序列图像获取与配准
首先在相机视场4个边角处分别粘贴1个靶标(1),在保证靶标(1)处于视场内的前提下边轻微移动相机边拍摄N幅图像,提取各图像中靶标特征点,以第一幅图像为基准,利用图像中特征点的坐标分别计算其它图像相对于基准图像的变换矩阵,第k幅图像的变换矩阵记作:
其中,和(uk vk)分别表征了各图像相对于基准图像的旋转分量和平移分量;
步骤2:获取修正的高分辨图像初始估计
将步骤1中变换矩阵中的(uk vk)四舍五入后得到新的变换矩阵,并求得其逆矩阵,利用逆矩阵分别对图像进行反变换;通过该方法,可以使每幅图像在x和y方向上相对于基准图像都只存在小于半个像素的偏差;以第一幅图像作为基准,对其进行双线性插值,获得放大4倍的初始高分辨率图像,为了提高初始高分辨率图像估计的准确度,减小初始估计的误差,改善最终图像的质量,将N幅反变换后的图像中所有对应像素点求平均值,获得修正的高分辨图像初始估计;计算公式为:
其中,F为初始高分辨率估计图像,Gk为第k幅低分辨率图像;
步骤3:残差计算
该步骤对修正后的高分辨率图像初始估计进行降质并与实际低分辨率图像序列相比较,求取残差;用Gk(i,j)表示第k幅低分辨率图像中坐标为(i,j)处的像素值,用表示当前高分辨率图像估计中坐标为(x,y)处的像素值,(m,n)和(a,b)是根据图像配准结果求取的当前高分辨率图像估计中对应于低分辨率图像中(i,j)的像素点,其中(a,b)由(m,n)四舍五入取整获得,(x,y)位于以(a,b)坐标为中心的高分辨率图像中的一块5×5像素区域;图像降质的点扩散函数选用高斯模型,表示为:
对点扩散函数进行归一化处理,其关系如下:
因此,对应于低分辨率图像Gk(i,j)的像素点的残差表示为:
步骤4:像素迭代修正
设置残差阈值σ,如果对应于Gk(i,j)的残差结果超出阈值,则对当前高分辨率图像估计对应区域的像素值进行修正,修正算子为:
对低分辨率图像序列中每幅图像中的所有像素点依次进行以上过程来修正当前高分辨率图像估计所对应位置的像素区域,多次迭代执行,直至图像质量满足要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610711768.9A CN106373087B (zh) | 2016-08-23 | 2016-08-23 | 一种改进初始估计的图像超分辨率重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610711768.9A CN106373087B (zh) | 2016-08-23 | 2016-08-23 | 一种改进初始估计的图像超分辨率重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106373087A true CN106373087A (zh) | 2017-02-01 |
CN106373087B CN106373087B (zh) | 2019-04-23 |
Family
ID=57878076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610711768.9A Active CN106373087B (zh) | 2016-08-23 | 2016-08-23 | 一种改进初始估计的图像超分辨率重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106373087B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107155096A (zh) * | 2017-04-19 | 2017-09-12 | 清华大学 | 一种基于半误差反向投影的超分辨率重建方法及装置 |
CN107678154A (zh) * | 2017-10-25 | 2018-02-09 | 首都师范大学 | 一种超分辨率显微ct成像系统 |
CN109308683A (zh) * | 2018-07-23 | 2019-02-05 | 华南理工大学 | 一种柔性集成电路基板图像超分辨率重建的方法 |
CN109615584A (zh) * | 2018-12-17 | 2019-04-12 | 辽宁工程技术大学 | 一种基于单应性约束的sar图像序列map超分辨率重建方法 |
CN109951666A (zh) * | 2019-02-27 | 2019-06-28 | 天津大学 | 基于监控视频的超分辨复原方法 |
CN110428370A (zh) * | 2019-07-01 | 2019-11-08 | 北京理工大学 | 一种利用偏心旋转提高锥形束spect成像分辨率的方法 |
WO2020113823A1 (zh) * | 2018-12-03 | 2020-06-11 | 深圳市华星光电半导体显示技术有限公司 | 补偿表的压缩方法 |
CN111415314A (zh) * | 2020-04-14 | 2020-07-14 | 北京神工科技有限公司 | 一种基于亚像素级视觉定位技术的分辨率修正方法及装置 |
CN111428720A (zh) * | 2020-04-14 | 2020-07-17 | 北京神工科技有限公司 | 基于阶跃响应匹配的亚像素级视觉特征点定位方法及装置 |
CN111932453A (zh) * | 2020-07-20 | 2020-11-13 | 合肥富煌君达高科信息技术有限公司 | 高分辨率图像生成方法及集成该方法的高速相机 |
CN113643347A (zh) * | 2020-07-20 | 2021-11-12 | 黑芝麻智能科技(上海)有限公司 | 利用弱对准的异构相机的立体视觉 |
CN115601231A (zh) * | 2022-11-22 | 2023-01-13 | 南京后摩智能科技有限公司(Cn) | 图像处理方法、装置、硬件加速器、芯片以及设备 |
CN115994858A (zh) * | 2023-03-24 | 2023-04-21 | 广东海洋大学 | 一种超分辨率图像重建方法及系统 |
WO2023115562A1 (zh) * | 2021-12-24 | 2023-06-29 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置、云台、可移动平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980289A (zh) * | 2010-10-25 | 2011-02-23 | 上海大学 | 基于频域配准和凸集投影的多帧图像超分辨率重建方法 |
CN102800071A (zh) * | 2012-06-20 | 2012-11-28 | 南京航空航天大学 | 序列图像pocs超分辨率重建方法 |
CN103136734A (zh) * | 2013-02-27 | 2013-06-05 | 北京工业大学 | POCS超分辨率图像重建时边缘Halo效应的抑制方法 |
US20150036907A1 (en) * | 2013-08-02 | 2015-02-05 | Samsung Electronics Co., Ltd. | Apparatus and method for reconstructing images by selecting image reconstruction mode |
-
2016
- 2016-08-23 CN CN201610711768.9A patent/CN106373087B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101980289A (zh) * | 2010-10-25 | 2011-02-23 | 上海大学 | 基于频域配准和凸集投影的多帧图像超分辨率重建方法 |
CN102800071A (zh) * | 2012-06-20 | 2012-11-28 | 南京航空航天大学 | 序列图像pocs超分辨率重建方法 |
CN103136734A (zh) * | 2013-02-27 | 2013-06-05 | 北京工业大学 | POCS超分辨率图像重建时边缘Halo效应的抑制方法 |
US20150036907A1 (en) * | 2013-08-02 | 2015-02-05 | Samsung Electronics Co., Ltd. | Apparatus and method for reconstructing images by selecting image reconstruction mode |
Non-Patent Citations (3)
Title |
---|
HONGYAN ZHANG,ET AL.: ""A Super-resolution reconstruction algorithm for hyperspectral images"", 《SIGNAL PROCESSING》 * |
M.ELAD.ET AL.: ""A fast super-resolution reconstruction algorithm for pure translational motion and common space-invariant blur"", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
张亚靖: ""面向序列图像的超分辨率重建算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107155096A (zh) * | 2017-04-19 | 2017-09-12 | 清华大学 | 一种基于半误差反向投影的超分辨率重建方法及装置 |
CN107678154A (zh) * | 2017-10-25 | 2018-02-09 | 首都师范大学 | 一种超分辨率显微ct成像系统 |
CN107678154B (zh) * | 2017-10-25 | 2020-06-09 | 首都师范大学 | 一种超分辨率显微ct成像系统 |
CN109308683A (zh) * | 2018-07-23 | 2019-02-05 | 华南理工大学 | 一种柔性集成电路基板图像超分辨率重建的方法 |
WO2020113823A1 (zh) * | 2018-12-03 | 2020-06-11 | 深圳市华星光电半导体显示技术有限公司 | 补偿表的压缩方法 |
CN109615584A (zh) * | 2018-12-17 | 2019-04-12 | 辽宁工程技术大学 | 一种基于单应性约束的sar图像序列map超分辨率重建方法 |
CN109615584B (zh) * | 2018-12-17 | 2022-12-06 | 辽宁工程技术大学 | 一种基于单应性约束的sar图像序列map超分辨率重建方法 |
CN109951666A (zh) * | 2019-02-27 | 2019-06-28 | 天津大学 | 基于监控视频的超分辨复原方法 |
CN110428370A (zh) * | 2019-07-01 | 2019-11-08 | 北京理工大学 | 一种利用偏心旋转提高锥形束spect成像分辨率的方法 |
CN111415314A (zh) * | 2020-04-14 | 2020-07-14 | 北京神工科技有限公司 | 一种基于亚像素级视觉定位技术的分辨率修正方法及装置 |
CN111428720A (zh) * | 2020-04-14 | 2020-07-17 | 北京神工科技有限公司 | 基于阶跃响应匹配的亚像素级视觉特征点定位方法及装置 |
CN111428720B (zh) * | 2020-04-14 | 2023-09-26 | 北京神工科技有限公司 | 基于阶跃响应匹配的亚像素级视觉特征点定位方法及装置 |
CN111932453A (zh) * | 2020-07-20 | 2020-11-13 | 合肥富煌君达高科信息技术有限公司 | 高分辨率图像生成方法及集成该方法的高速相机 |
CN113643347A (zh) * | 2020-07-20 | 2021-11-12 | 黑芝麻智能科技(上海)有限公司 | 利用弱对准的异构相机的立体视觉 |
CN113643347B (zh) * | 2020-07-20 | 2024-02-09 | 黑芝麻智能科技(上海)有限公司 | 利用弱对准的异构相机的立体视觉 |
WO2023115562A1 (zh) * | 2021-12-24 | 2023-06-29 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、装置、云台、可移动平台 |
CN115601231A (zh) * | 2022-11-22 | 2023-01-13 | 南京后摩智能科技有限公司(Cn) | 图像处理方法、装置、硬件加速器、芯片以及设备 |
CN115601231B (zh) * | 2022-11-22 | 2023-03-10 | 南京后摩智能科技有限公司 | 图像处理方法、装置、硬件加速器、芯片以及设备 |
CN115994858A (zh) * | 2023-03-24 | 2023-04-21 | 广东海洋大学 | 一种超分辨率图像重建方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106373087B (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373087A (zh) | 一种改进初始估计的图像超分辨率重建方法 | |
Feng et al. | Robust registration for remote sensing images by combining and localizing feature-and area-based methods | |
US11151690B2 (en) | Image super-resolution reconstruction method, mobile terminal, and computer-readable storage medium | |
CN109461174B (zh) | 视频目标区域跟踪方法和视频平面广告植入方法及系统 | |
Zhao et al. | Is super-resolution with optical flow feasible? | |
US8675997B2 (en) | Feature based image registration | |
CN107945113A (zh) | 局部图像拼接错位的矫正方法 | |
US7440628B2 (en) | Method and system for motion correction in a sequence of images | |
CN102938145B (zh) | 一种拼接类全景图的一致性调整方法及系统 | |
CN108573269B (zh) | 图像特征点匹配方法、匹配装置、电子设备及存储介质 | |
JP2007257287A (ja) | 画像レジストレーション方法 | |
CN107680043B (zh) | 基于图模型的单幅图像超分辨率输出方法 | |
CN104867111A (zh) | 一种基于分块模糊核集的非均匀视频盲去模糊方法 | |
CN112288628B (zh) | 基于光流跟踪和抽帧映射的航拍图像拼接加速方法及系统 | |
CN112801870B (zh) | 一种基于网格优化的图像拼接方法,拼接系统及可读存储介质 | |
CN104036468A (zh) | 基于预放大非负邻域嵌入的单帧图像超分辨重建方法 | |
CN112862683A (zh) | 一种基于弹性配准和网格优化的邻接图像拼接方法 | |
CN106846250A (zh) | 一种基于多尺度滤波的超分辨率重建方法 | |
CN106875360A (zh) | 一种消除图像运动模糊的方法及装置 | |
CN109934765A (zh) | 高速相机全景图像拼接方法 | |
CN108198222B (zh) | 一种广角镜头标定及图像矫正方法 | |
CN106408517A (zh) | 快速的图像旋转方法 | |
Cho et al. | Automatic Image Mosaic System Using Image Feature Detection and Taylor Series. | |
US7433540B1 (en) | Decomposing natural image sequences | |
CN103167247A (zh) | 一种视频序列彩色图像拼接方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |