基于超分重建技术的图像增强系统

doi:10.3969/j.issn.1006-2475.2014.05.021

计算机与现代化 ›› 2014, Vol. 0 ›› Issue (5): 94-98.doi: 10.3969/j.issn.1006-2475.2014.05.021

基于超分重建技术的图像增强系统

暨南大学信息科学与技术学院计算机科学系,广东广州510632

收稿日期:2014-02-13 出版日期:2014-05-28 发布日期:2014-05-30
作者简介:李伟祥(1991-),男,广东揭阳人,暨南大学信息科学与技术学院计算机科学系本科生,研究方向:图像处理; 李展(1979-),女,讲师,博士,研究方向:图像处理; 吴少春(1990-),男,本科生; 邓福明(1991-),男,本科生。
基金资助:
国家自然科学基金资助项目(11273014)；中央高校基本科研业务费专项资金资助项目(21612413)；广东省自然科学基金资助项目(10151063201000002)；国家大学生创新创业训练计划项目(201310559044)

Super Resolution-based Image Enhancement System

Department of Computer Science, College of Information Science and Technology, Jinan University, Guangzhou 510632, China

Received:2014-02-13 Online:2014-05-28 Published:2014-05-30

摘要/Abstract

摘要： 为了提高图像分辨率，也为了给研究人员提供一个图像增强算法比较分析的工具，本文构建并实现一个集图像退化模拟、简单图像增强、图像超分辨率重建和图像质量评估为一体的图像增强系统SR-IES。系统采用多种图像处理方法对图像进行增强，其中超分重建技术是系统的核心技术。系统测试表明，SR-IES系统可以有效改善图像的分辨率和视觉效果，并通过图像质量评估为算法比较提供依据。


关键词: 图像增强, 超分辨率重建, 图像质量评估, 软件系统

Abstract: To enhance image resolution, and also to provide a comparison and analysis tool for image enhancement algorithms, a Super Resolution-based Image Enhancement System (SR-IES) is constructed and implemented, which combines image degradation simulation, gray level enhancement, super resolution (SR) image reconstruction and image evaluation into one. SR-IES enhances images using multiple image processing methods, among which SR reconstruction algorithms are key technologies of this system. System tests show that SR-IES can improve resolution and visual effect of images effectively and provide a basis for algorithms comparison through image quality assessments.


Key words: image enhancement, super resolution, image evaluation, software system

中图分类号:

TP317.4

李伟祥,李展,吴少春,邓福明. 基于超分重建技术的图像增强系统[J]. 计算机与现代化, 2014, 0(5): 94-98.

LI Wei-xiang, LI Zhan, WU Shao-chun, DENG Fu-ming. Super Resolution-based Image Enhancement System[J]. Computer and Modernization, 2014, 0(5): 94-98.

参考文献

［1］ Tsai R Y, Huang T S. Multiframe image restoration and registration［J］. Advances in Computer Vision and Image Processing, 1984,1:317-339
［2］ Vandewalle P. Super-resolution from Unregistered Dliased Images［D］. Switzerland: Ecole Polytechnique Fédérale de Lausanne, 2006.
［3］ The Ecole Polytechnique Federal de Lausanne. Super-Resolution［DB/OL］. http://lcavwww.epfl.ch/software/superresolution, 2012-04-06.
［4］ Amintoosi M, Fathy M, Mozayani N. Regional varying image super-resolution［C］// International Joint Conference on Computational Sciences and Optimization, 2009. 2009,1:913-917.
［5］ Su H, Wu Y, Zhou J. Super-resolution without dense flow［J］. IEEE Transactions on Image Processing, 2012,21(4):1782-1795
［6］ Dong W S, Zhang D, Shi G M, et al. Image deblurring and super-resolution by adaptive sparse domain selection and adaptive regularization［J］. IEEE Transactions on Image Processing, 2011,20(7):1838-1857.
［7］ Hung K W, Siu W C. Robust soft-decision interpolation using weighted least squares［J］. IEEE Transactions on Image Processing, 2012,21(3):1061-1069.
［8］杨宇翔. 图像超分辨率重建算法研究［D］. 合肥:中国科学技术大学, 2013.
［9］肖思达,刘伟俭. 图像超分辨率处理方法和系统：中国, CN103500436A［P］, 2014-01-08.
［10］Li Z, Han G, Xiao S, et al. MAP-based single-frame super-resolution image reconstruction for license plate recognition［C］// International Conference on Computational Intelligence and Software Engineering, 2009. 2009:1-5.
［11］李展,张庆丰,孟小华,等. 多分辨率图像序列的超分辨率重建［J］. 自动化学报, 2012,38(11):1804-1814.
［12］Park S C, Park M K, Kang M G. Super-resolution image reconstruction: A technical overview［J］. IEEE Signal Processing Magazine, 2003,20(3):21-36.
［13］黄果,许黎,蒲亦非. 分数阶微积分在图像处理中的研究综述［J］. 计算机应用研究, 2012,29(2):414-420,426.
［14］Schultz R R, Stevenson R L. A Bayesian approach to image expansion for improved definition［J］. IEEE Transactions on Image Processing, 1994,3(3):233-242.
［15］梁鹏,黎绍发,覃姜维. 基于局部类别一致K均值聚类的目标识别方法［J］. 华南理工大学学报:自然科学版, 2011,39(2):118-124.
［16］Lowe D G. Distinctive image features from scale-invariant keypoints［J］. International Journal of Computer Vision, 2004,60(2):91-110.
［17］Fischler M A, Bolles R C. Random sample consensus: A paradigm for model fitting with applications to image analysis and automated cartography［J］. Communications of the ACM, 1981,24(6):381-395.〖HJ1.5mm〗
［18］Amintoosi M, Fathy M, Mozayani N. A fast image registration approach based on SIFT key-points applied to super-resolution［J］. The Imaging Science Journal, 2012,60(4):185-201.
［19］LIVE Website. Image & Video Quality Assessment at LIVE ［DB/OL］. http://live.ece.utexas.edu/research/quality/, 2012-02-13.

[1]	杜菲瑀, 王海燕, 姚海洋, 陈晓. 基于领域自适应的水下图像增强算法[J]. 计算机与现代化, 2024, 0(10): 55-60.
[2]	贾子煜1, 黄欢1, 胡春艾2, 窦丽娜2. 基于MR的左心房纤维化区域分割与重建[J]. 计算机与现代化, 2024, 0(05): 75-79.
[3]	杜韩宇, 魏延, 唐保香, 廖恒锋, 叶思佳. 基于双重注意力残差模块的低照度图像增强[J]. 计算机与现代化, 2024, 0(03): 85-91.
[4]	邢世帅, 刘丹凤, 王立国, 潘月涛, 孟灵鸿, 岳晓晗. 基于空间注意力残差网络的图像超分辨率重建模型[J]. 计算机与现代化, 2023, 0(10): 45-52.
[5]	张美的, 余顺园. 基于局部自适应伽马校正低照度图像增强[J]. 计算机与现代化, 2023, 0(08): 74-78.
[6]	廖聪, 郭凰, 赵茂军, 王雨松, 白俊峰. 基于图像增强和SKNet的交通标志识别[J]. 计算机与现代化, 2023, 0(03): 23-28.
[7]	金安安, 丁双双, 熊卿智, 许婷婷, 习淑萍, 马继忠. 基于SWOMP算法的EPMA影像优化重构[J]. 计算机与现代化, 2020, 0(12): 104-111.
[8]	王春辉, 王全民. 基于改进YOLOv3网络的学生特定行为识别[J]. 计算机与现代化, 2020, 0(07): 90-96.
[9]	包斌1,李亚岗2. 一种改进的基于暗通道先验的图像去雾算法[J]. 计算机与现代化, 2019, 0(02): 27-.
[10]	郭珉，蒋爱民，曹美. 基于非下采样Contourlet变换的红外图像#br# 非线性增强新方法[J]. 计算机与现代化, 2017, 0(3): 76-.
[11]	解虹1，2，李展1，2，陈慧琼1，2，郑嘉伟1，2，温力1，2. 基于超分辨率的地基观测图像增强系统[J]. 计算机与现代化, 2016, 251(07): 1-5,12.
[12]	汪耕任，范新南，史朋飞，陈伟. 基于粗糙集理论的水下大坝裂缝图像增强算法[J]. 计算机与现代化, 2015, 0(9): 35-41.
[13]	李灵杰1，唐宁2. 一种面向交通场景的快速图像增强算法[J]. 计算机与现代化, 2015, 0(6): 55-58.
[14]	喻恒，郑均辉. 基于CLAHE和改进的NIBLACK算法的手背静脉提取方法[J]. 计算机与现代化, 2015, 0(4): 74-77.
[15]	段群，韩丽娜. 基于NSCT和PCNN的彩色图像增强方法[J]. 计算机与现代化, 2015, 0(11): 99-102+108.

基于超分重建技术的图像增强系统

Super Resolution-based Image Enhancement System

可视化

被引次数

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

本文评价