项目名称: 多约束协同的彩色夜视影像亚像素超分辨率重建

项目编号: No.61501198

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 谢伟

作者单位: 华中师范大学

项目金额: 19万元

中文摘要: 目前序列帧超分辨率重建主要针对理想成像环境中较高质量的影像,大多仅注重空间分辨率的提高,当应用于夜视影像(具有低照度、运动遮挡、大噪声、色彩信息不丰富等特点)时,效果往往不佳。. 本项目针对夜视影像特点和人眼视觉特性,将提高影像解译和可视判读能力作为最终目标,研究复杂夜视场景下的多约束夜视影像超分辨率重建方法。首先,为获取准确的运动信息,建立并改进低照度下高精度的TV-L1光流亚像素运动估计算法。其次,构建保持影像边缘特性的多尺度双边滤波算法来抑制重建中的噪声放大并调整影像的高动态范围。然后,研究基于日光影像统计特性和简化颜色空间的夜视场景色彩重构算法,改善色彩信息。最后,将上述多约束融入到POCS 重建的整体框架中,相互协同,迭代重建出空间分辨率和色彩分辨力都极大提高的影像。. 本研究对夜视影像中弱小信息的分割、提取、识别与解译等各种研究与应用都具有十分重要的意义。

中文关键词: 图像复原;超分辨复原;去模糊;退化图像复原;图像盲复原

英文摘要: Currently,super-resolution reconstruction methods based on image sequence are mainly for the higher quality images obtained from ideal imaging environment. Most of them only focus on the improvement of the spatial resolution. when these methods are used in night-vision images with low illumination, Movement blocked,higher noise, lack of color information, The effect is often very poor.. Consider the characteristics of night-vision imaging and human visual characteristics, night-vision multiple-constraints image super-resolution reconstruction under complex conditions are researched in these project. The ultimate goal is to improve theimage understanding and visual interpretation capabilities. Firstly, in order toobtain accurate motion information, high-precision low illumination TV-L1 (totalvariation -L1 norm) sub-pixel optical flow motion estimation method are established and improved.Secondly, building multi-scale bilateral filtering algorithm, which can keep theimage edge features well, to suppress noise amplification in the reconstructionprocess and adjust images high dynamic range. Then, in order to improve the colorinformation, the night-vision scene color reconstruction algorithm based on daylightimage statistical features and simplified color space is researched. Finally, the above-mentioned methods are integrated into the framework of POCS reconstruction,cooperated with each other, to greatly improve the image spatialresolution and color information.. This research has great significance for weak information processing in the night-vision image, such as segmentation, feature extraction, identification and interprets.

英文关键词: image restoration;Super resolution reconstruction;deblurring;degraded image restoration;blind image restoration

成为VIP会员查看完整内容
1

相关内容

图像复原(image restoration)即利用退化过程的先验知识,去恢复已被退化图像的本来面目。图像复原技术主要是针对成像过程中的“退化”而提出来的,而成像过程中的“退化”现象主要指成像系统受到各种因素的影响,诸如成像系统的散焦、设备与物体间存在相对运动或者是器材的固有缺陷等,导致图像的质量不能够达到理想要求。
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
40+阅读 · 2021年9月30日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
18+阅读 · 2020年12月23日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
CVPR 2019 | 神奇的超分辨率算法DPSR:应对图像模糊降质
计算机视觉life
16+阅读 · 2019年4月25日
learn to see in the dark-低照度图像增强算法
计算机视觉life
16+阅读 · 2019年1月14日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月14日
小贴士
相关VIP内容
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
40+阅读 · 2021年9月30日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
18+阅读 · 2020年12月23日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
相关资讯
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
CVPR 2019 | 神奇的超分辨率算法DPSR:应对图像模糊降质
计算机视觉life
16+阅读 · 2019年4月25日
learn to see in the dark-低照度图像增强算法
计算机视觉life
16+阅读 · 2019年1月14日
深度图像先验:无需学习即可生成新图像
论智
45+阅读 · 2017年12月4日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员