【图像重建】基于正则化的图像超分辨重建附matlab代码
1 简介
高分辨率的影像能更详细地表示景物的细节信息,在诸多领域 (如计算机视觉、遥感、医学等 )有着广泛的应用。目前,高分辨率影像主要通过改进高精度的光 学 器 件 及 传 感 器 等 硬 件 设 备 来 获 得。然而,高精度硬件设备代价昂贵,人们往往希望在付出较低经济代价的前提下获得较高分辨率的影像。另外,由于传感器散粒噪声的影响,通过改进硬件设备性能的途径 并 不 能 无 限 制 地 提 高 获 取 影 像 的 分 辨率,而是有一个技术极限,当前的影像传感器技术已经较为接近这个技术极限。于是,通过软件途径来得到高分辨率影像的超分辨率 (SR)重建技术已经成为人们广泛研究的热点。
早期的超分辨率重建技术主要是针对单幅影像复原而言的,单幅影像复原技术经过长期的发展已经形成一套统一的理论框架,但这种方法固有的局限性严重阻碍了图像复原效果的大幅度提高.
超分辨率影像重建已经成为近年来人们广泛研究的热点,利用超分辨率重建技术,可以得到分辨率高于原始影像的重建影像.为此,提出了一个利用多幅具有亚像素位移的低分辨率欠采样影像重建一幅高分辨影像的超分辨率重建方法.该方法利用正则化技术,通过迭代运算解求重建影像的最优解.在迭代过程中,得到的重建影像用于求解下一次迭代的正则化参数,不断的循环迭代,最后求解出重建影像的最优解.对Lena影像进行了处理,并用PSNR影像评价方法对重建影像进行了定量评价.实验结果证明,该方法能较大限度地减弱噪声对重建结果的影响,当重建比率较大时,仍可得到高质量的高分辨率重建影像.
2 部分代码
function out = deconvtv(g, H, mu, opts)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% out = deconvtvl1(g, H, mu, opts)
% deconvolves image g by solving the following TV minimization problem
%
% min mu || Hf - g ||_1 + ||f||_TV
% min mu/2 || Hf - g ||^2 + ||f||_TV
%
% where ||f||_TV = sum_{x,y,t} sqrt( a||Dxf||^2 + b||Dyf||^2 + c||Dtf||^2),
% Dxf = f(x+1,y, t) - f(x,y,t)
% Dyf = f(x,y+1, t) - f(x,y,t)
% Dtf = f(x,y, t+1) - f(x,y,t)
%
% Input: g - the observed image, can be gray scale, color, or images
% H - point spread function
% mu - regularization parameter
% opts.method - either 'l1' or {'l2'}
% opts.rho_r - initial penalty parameter for ||u-Df|| {2}
% opts.rho_o - initial penalty parameter for ||Hf-g-r|| {50}
% opts.beta - regularization parameter [a b c] for weighted TV norm {[1 1 0]}
% opts.gamma - update constant for rho_r {2}
% opts.max_itr - maximum iteration {20}
% opts.alpha - constant that determines constraint violation {0.7}
% opts.tol - tolerance level on relative change {1e-3}
% opts.print - print screen option {false}
% opts.f - initial f {g}
% opts.y1 - initial y1 {0}
% opts.y2 - initial y2 {0}
% opts.y3 - initial y3 {0}
% opts.z - initial z {0}
% ** default values of opts are given in { }.
%
% Output: out.f - output images
% out.itr - total number of iterations elapsed
% out.relchg - final relative change
% out.Df1 - Dxf, f is the output images
% out.Df2 - Dyf, f is the output images
% out.Df3 - Dtf, f is the output images
% out.y1 - Lagrange multiplier for Df1
% out.y2 - Lagrange multiplier for Df2
% out.y3 - Lagrange multiplier for Df3
% out.rho_r - final penalty parameter
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
path(path,genpath(pwd));
if nargin<3
error('not enough inputs, try again \n');
elseif nargin==3
opts = [];
end
if ~isnumeric(mu)
error('mu must be a numeric value! \n');
end
[rows,cols,frames] = size(g);
memory_condition = memory;
max_array_memory = memory_condition.MaxPossibleArrayBytes/16;
if rows*cols*frames>0.1*max_array_memory
fprintf('Warning: possible memory issue \n');
reply = input('Do you want to continue? [y/n]: ', 's');
if isequal(reply, 'n')
out.f = 0;
return
end
end
if ~isfield(opts,'method')
method = 'l2';
else
method = opts.method;
end
switch method
case 'l2'
out = deconvtvl2(g,H,mu,opts);
case 'l1'
out = deconvtvl1(g,H,mu,opts);
otherwise
error('unknown method \n');
end
3 仿真结果
4 参考文献
[1]沈焕锋, 李平湘, 张良培. 一种基于正则化技术的超分辨影像重建方法[J]. 中国图象图形学报:A辑, 2005, 10(4):5.
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。
【图像重建】基于正则化的图像超分辨重建附matlab代码相关推荐
- 【图像重建】基于遗传算法实现二值图像重建附matlab代码
1 内容介绍 图像质量的优劣对人类视觉和各种计算机视觉系统都十分重要,因此图像复原一直是数字图像处理的重要研究内容.作为图像复原的一个分支,超分辨率图像重建问题得到人们越来越多的关注.在视频监控.卫星 ...
- 【图像检测】基于Itti模型实现图像显著性检测附matlab代码
1 简介 视觉显著性计算模型以心理学.神经科学.认知理论等领域的研究成果或假说为前提,建立数学模型来模拟人类视觉系统指引注意力分配和视觉认知的过程,通过模拟和仿真人类视觉感知机理,将存在待检测目标的人 ...
- 【图像加密】基于混沌系统进行灰度图像加密附Matlab代码
1 简介 1 基于混沌系统的图像加密解密 Logistic混沌置乱,先不说有多复杂,其实很简单. Logistic函数是源于一个人口统计的动力学系统,其系统方程形式如下: **X(k+1) = u ...
- 【图像增强】基于萤火虫算法实现图像对比度增强附matlab代码
1 内容介绍 由于图像本身的复杂性和数据量大,传统的图像处理和分析技术常存在计算复杂度高的问题,因此基于进化算法的图像处理方法得到广泛研究和关注.萤火虫算法(Firefly Algorithm,FA) ...
- 【图像增强】基于Frangi滤波器实现血管图像增强附matlab代码
1 简介 分析视网膜血管结构的变化是诊断和检测糖尿病,高血压等血管类相关疾病的最重要步骤.针对眼底视网膜图像对比度低,受病变区域边界干扰,很难正确提取血管细节的问题提出了一种基于Frangi滤波器的视 ...
- 11种图像清晰度评价函数附MATLAB代码
本科毕业论文"基于图像处理的自动对焦技术研究",对焦过程中的一个重要阶段是图像清晰度评价,我用MATLAB实现了4类清晰度评价函数:基于图像梯度的清晰度评价函数.频域评价函数.信息 ...
- 【图像识别】基于卷积神经网络实现手写汉字识别附matlab代码
1 内容介绍 1.1. 数据集的获取 数据集的获取来自模式识别国家重点实验室共享,这个不解释直接上网址http://www.nlpr.ia.ac.cn/databases/download/featu ...
- 【火灾检测】基于HSV特征实现火灾检测附matlab代码
1 简介 针对传统火灾监测系统对于大空间的室内场合和开阔的室外环境易失效的问题,提出了一种结合火灾火焰特征和烟雾特征来进行判断的数字图像型火灾监测算法.火焰颜色特征是基于RGB颜色模型中的R,G,B三 ...
- 【图像分割】基于计算机视觉实现脑肿瘤分割附matlab代码
1 内容介绍 肿瘤被定义为组织的异常生长.脑瘤是一种异常细胞在其中不受控制地生长和繁殖的大量组织,似乎不受控制通过控制正常细胞的机制.脑肿瘤可以是原发性或转移性,恶性或良性.转移性脑肿瘤是一种癌症已 ...
最新文章
- java环境变量详解---找不到或无法加载主类
- numpy.exp()简单理解
- 电脑硬件检测_【学无止境】电脑硬件维修测试学习资料(附送各类PC检修资源)...
- php验证密码后跳转_php-laravel框架用户验证(Auth)模块解析(四)忘记密码
- JavaScript基本数据类型讲解
- delete select语句_MySQL InnoDB锁介绍及不同SQL语句分别加什么样的锁
- Thread中interrupt()interrupted()和isInterrupted()的区别
- 计算机网络考前,《计算机网络原理》--考前复习资料.doc
- 什么是3D打印?游戏建模具体怎么做?哪个更有发展
- 易语言大漠插件模块制作使用系统字库找字
- LA4487 Exclusive-OR (加权并查集)
- 连接宽带提示服务器无响应,宽带拨号上网服务器无响应是怎么回事
- [视频访谈翻译]David Kaneda访谈:移动HTML5设计和开发
- Android串口开发
- 读书笔记:技术的本质-技术是什么,它是怎样进化的 (布莱恩•阿瑟)
- Java调整图片大小合并PNG图片生成ICON(保持背景透明)
- 树莓派3b+快速编译opencv成功案例指导(保姆级教程)
- 《土耳其瞭望塔》背后的故事
- React项目创建报错解决方案npm ERR! code 1 npm ERR! path E:\Node1\untitled5\node_modules\fibers npm ERR! command
- windows下安装ROS 2 Foxy详解
热门文章
- 被高德地图追上,百度地图该怎么继续保持霸主之位
- 从经典动力学理解勒让德变换
- js window.print() 打印图片,图片有时候不显示
- linux 小老鼠界面,linux 每日学习 ls详解
- MySQL中日期时间类型与格式化
- 【UE4 C++】FName、FString与FText相互转换
- 我的世界刷铁机java版_我的世界:刷铁机其实很容易制作,但是有一个特殊的限制条件!...
- vue antvG6 多功能tree图 树图树结构
- 如何用计算机模拟物理现象,浅谈计算机模拟物理实验教学
- 蓝牙测试指标有哪些?