基于最大后验估计的影像盲超分辨率重建方法

doi:10.3724/SP.J.1087.2011.01209

计算机应用 ›› 2011, Vol. 31 ›› Issue (05): 1209-1213.DOI: 10.3724/SP.J.1087.2011.01209

基于最大后验估计的影像盲超分辨率重建方法

张洪艳¹,沈焕锋²,张良培¹,李平湘¹,袁强强¹

1.武汉大学测绘遥感信息工程国家重点实验室,武汉430079
2.武汉大学资源与环境科学学院,武汉430079

收稿日期:2010-10-20 修回日期:2010-12-10 发布日期:2011-05-01 出版日期:2011-05-01
通讯作者: 张洪艳
作者简介:张洪艳(1983-),男,河南开封人,讲师,博士,主要研究方向:遥感影像处理、图像工程;沈焕锋(1981-),男,河北河间人,副教授,博士,主要研究方向:为影像质量改善;张良培(1962-),男,湖南安乡人,教授,博士,主要研究方向:遥感影像处理、模式识别;李平湘(1964-),男,湖南萍乡人,教授,博士,主要研究方向:SAR影像处理;袁强强(1986-),男,甘肃兰州人,博士研究生,主要研究方向:影像超分辨率重建。
基金资助:
国家自然科学基金资助项目(40930532;40971220;40801182)。

Blind super-resolution reconstruction method based on maximum a posterior estimation

ZHANG Hong-yan¹, SHEN Huan-feng², ZHANG Liang-pei¹, LI Ping-xiang¹, YUAN Qiang-qiang¹

1. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote sensing, Wuhan University, Wuhan Hubei 430079, China
2. College of Resource and Environmental Science, Wuhan University, Wuhan Hubei 430079, China

Received:2010-10-20 Revised:2010-12-10 Online:2011-05-01 Published:2011-05-01
Contact: Zhang Hong-yan

摘要/Abstract

摘要： 为了减小配准误差对盲超分辨率重建的影响,提出了一种影像配准和盲超分辨率重建联合处理的模型与方法。将配准参数、模糊函数和高分辨率影像建立在统一的最大后验估计模型框架内,并利用循环坐标下降最优化策略对模型进行求解,从而实现了配准参数、模糊函数和高分辨率影像的联合求解。实验结果证明:与传统盲超分辨率重建算法相比,该算法能够有效减少重建影像中的伪痕,在视觉评估上和定量评价上均能得到更好的结果。

关键词: 超分辨率, 配准误差, 最大后验概率, 影像配准, 模糊函数辨识

Abstract: In this paper, a new joint Maximum A Posterior (MAP) formulation was proposed to integrate image registration into blind image Super-Resolution (SR) reconstruction to reduce image registration errors. The formulation was built upon the MAP framework, which judiciously combined image registration, blur identification and SR. A cyclic coordinate descent optimization procedure was developed to solve the MAP formulation, in which the registration parameters, blurring function and High Resolution (HR) image were estimated in an alternative manner given to the two others, respectively. The experimental results indicate that the proposed algorithm has considerable effectiveness in terms of both quantitative measurement and visual evaluation.

Key words: Super-Resolution (SR), registration error, Maximum A Posterior (MAP), image registration, blurring function identification

张洪艳沈焕锋张良培李平湘袁强强. 基于最大后验估计的影像盲超分辨率重建方法[J]. 计算机应用, 2011, 31(05): 1209-1213.

ZHANG Hong-yan SHEN Huan-feng ZHANG Liang-pei LI Ping-xiang YUAN Qiang-qiang. Blind super-resolution reconstruction method based on maximum a posterior estimation[J]. Journal of Computer Applications, 2011, 31(05): 1209-1213.

[1]	牛康力, 谌雨章, 沈君凤, 曾张帆, 潘永才, 王绎冲. 基于深度学习的双通道夜视图像复原方法[J]. 计算机应用, 2021, 41(6): 1775-1784.
[2]	梁敏, 王昊榕, 张瑶, 李杰. 基于加速残差网络的图像超分辨率重建方法[J]. 计算机应用, 2021, 41(5): 1438-1444.
[3]	卞鹏程, 郑忠龙, 李明禄, 何依然, 王天翔, 张大伟, 陈丽媛. 基于注意力融合网络的视频超分辨率重建[J]. 计算机应用, 2021, 41(4): 1012-1019.
[4]	段友祥, 张含笑, 孙歧峰, 孙友凯. 基于拉普拉斯金字塔生成对抗网络的图像超分辨率重建算法[J]. 计算机应用, 2021, 41(4): 1020-1026.
[5]	王永金, 左羽, 吴恋, 崔忠伟, 赵晨洁. 基于注意力机制的图像超分辨率重建[J]. 计算机应用, 2021, 41(3): 845-850.
[6]	李萌, 秦品乐, 曾建潮, 李俊伯. 基于磁共振影像层间插值的超分辨率及多视角融合[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3362-3367.
[7]	林静, 黄玉清, 李磊民. 基于球形矩匹配与特征判别的图像超分辨率重建[J]. 计算机应用, 2020, 40(8): 2345-2350.
[8]	胡高鹏, 陈子鎏, 王晓明, 张开放. 基于深度渐进式反投影注意力网络的图像超分辨率重建[J]. 计算机应用, 2020, 40(7): 2077-2083.
[9]	胡雪影, 郭海儒, 朱蓉. 基于混合深度卷积网络的图像超分辨率重建[J]. 计算机应用, 2020, 40(7): 2069-2076.
[10]	代强, 程曦, 王永梅, 牛子未, 刘飞. 基于轻量自动残差缩放网络的图像超分辨率重建[J]. 计算机应用, 2020, 40(5): 1446-1452.
[11]	陈赛健, 朱远平. 基于生成对抗网络的文本图像联合超分辨率与去模糊方法[J]. 计算机应用, 2020, 40(3): 859-864.
[12]	孙忠凡, 周正华, 赵建伟. 基于空间元学习的放大任意倍的超分辨率重建方法[J]. 计算机应用, 2020, 40(12): 3471-3477.
[13]	樊帆, 高媛, 秦品乐, 王丽芳. 基于并行通道-空间注意力机制的腹部MRI影像多尺度超分辨率重建[J]. 计算机应用, 2020, 40(12): 3624-3630.
[14]	叶杨, 蔡琼, 杜晓标. 基于非局部通道注意力机制的单图像超分辨率方法[J]. 计算机应用, 2020, 40(12): 3618-3623.
[15]	姚鲁, 宋慧慧, 张开华. 混合阶通道注意力网络的单图像超分辨率重建[J]. 计算机应用, 2020, 40(10): 3048-3053.

基于最大后验估计的影像盲超分辨率重建方法

Blind super-resolution reconstruction method based on maximum a posterior estimation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics