Tái tạo siêu độ phân giải sử dụng điều chỉnh dựa trên gradient phi tuyến

Multidimensional Systems and Signal Processing - Tập 20 - Trang 375-384 - 2008
Xin Zhang1, Edmund Y. Lam1
1Department of Electrical and Electronic Engineering, The University of Hong Kong, Kowloon, Hong Kong

Tóm tắt

Bài báo này thảo luận về vấn đề tái tạo siêu độ phân giải. Để giữ cho các đường viền chính xác và hiệu quả trong quá trình tái tạo, chúng tôi đề xuất một phương pháp điều chỉnh dựa trên gradient phi tuyến sử dụng trường vector gradient của hình ảnh độ phân giải cao ban đầu để cấu hình một ma trận điều chỉnh và tính toán các tham số điều chỉnh. So với các phương pháp hiện có khác, nó không chỉ nâng cao độ phân giải không gian của các hình ảnh thu được, mà còn có khả năng bảo tồn các đường viền và làm mịn tiếng ồn đến mức độ lớn hơn. Những lợi thế này được thể hiện qua các mô phỏng và thí nghiệm với hình ảnh tổng hợp và thực tế.

Từ khóa

#tái tạo siêu độ phân giải #điều chỉnh phi tuyến #gradient #hình ảnh độ phân giải cao #ma trận điều chỉnh

Tài liệu tham khảo

Blu, T., Bay, H., & Unser, M. (2002). A new high-resolution processing method for the deconvolution of optical coherence tomography signals. In IEEE International Symposium on Biomedical Imaging, Vol. 3, pp. 777–780. Cao N., Nehorai A., Jacob M. (2007) Image reconstruction for diffuse optical tomography using sparsity regularization and expectation-maximization algorithm. Optics Express 15(21): 13695–13708 Chan W.-S., Lam E.Y., Ng M.K., Mak G.Y. (2007) Super-resolution reconstruction in a computational compound-eye imaging system. Multidimensional Systems and Signal Processing 18(2–3): 83–101 Charbonnier P., Blanc-Féraud L., Aubert G., Barlaud M. (1997) Deterministic edge-preserving regularization in computed imaging. IEEE Transactions on Image Processing 6(2): 298–311 Deriche, R., Kornprobst, P., Nikolova, M., & Ng, M. K. (2003). Half-quadratic regularization for MRI image restoration. In Proceedings of IEEE International Conference on Acoustics, Speech and Signal Processing, Vol. 6, pp. 585–588. Elad M., Feuer A. (1997) Restoration of single super-resolution image from several blurred, noisy and down-sampled measure images. IEEE Transactions on Image Processing 6(12): 1646–1658 Geman D., Yang C. (1995) Nonlinear image recovery with half-quadratic regularization. IEEE Transactions on Image Processing 4(7): 932–946 Kennedy J.A., Israel O., Frenkel A., Bar-Shalom R., Azhari H. (2006) Super-resolution in PET imaging. IEEE Transactions on Medical Imaging 25(2): 137–147 Kilmer M.E., O’Leary D.P. (2001) Choosing regularization parameters in iterative methods for Ill-posed problems. SIAM Journal on Matrix Analysis and Applications 22(4): 1204–1221 Lam E.Y. (2003) Noise in superresolution reconstruction. Optics Letters 28(12): 2234–2236 Lee S.H., Cho N.I., Park J.-I. (2003) Directional regularisation for constrained iterative image restoration. Electronics Letters 39(23): 1642–1643 Mico V., Zalevsky Z., García J. (2006) Superresolution optical system by common-path interferometry. Optics Express 14(12): 5168–5177 Ng, M. K., Shen, H., Lam, E., & Zhang, L. (2007). A total variation regularization based super-resolution reconstruction algorithm for digital video. EURASIP Journal on Advances in Signal Processing, 2007, 1–16, Article ID 74585. Nikolova, M., & Ng, M. K. (2001). Fast image reconstruction algorithms combining half-quadratic regularization and preconditioning. In Proceedings of International Conference on Image Processing, Vol. 1, pp. 277–280. Nikolova M., Ng M.K. (2005) Fast image reconstruction algorithms combining half-quadratic regularization and preconditioning. SIAM Journal on Scientific Computing 27: 937–966 Park S.C., Park M.K., Kang M.G. (2003) Super-resolution image reconstruction: A rechnical overview. IEEE Signal Processing Magazine 20(3): 21–36 Peled S., Yeshurun Y. (2001) Superresolution in MRI: Application to human white matter fiber tract visualization by diffusion tensor imaging. Magnetic Resonance Imaging 45(1): 29–35 Shin, J.-H., Sun, Y., Joung, W.-C., Paik, J.-K., & Abidi, M. A. (2001). Adaptive regularized noise smoothing of dense range image using directional Laplacian operators. In Proceedings of SPIE Three-Dimensional Image Capture and Applications IV, Vol. 4298, pp. 119–126. Vanzella W., Pellegrino F.A., Torre V. (2004) Self-adaptive regularization. IEEE Transactions on Pattern Analysis and Machine Intelligence 26(6): 804–809 Wang, Y., Hu, J., & Schroder, H. (2005). A gradient based weighted averaging method for estimation of fingerprint orientation fields. In Proceedings of Digital Image Computing: Techniques and Applications, p. 29. Watzenig D., Brandstätter B., Holler G. (2004) Adaptive regularization parameter adjustment for reconstruction problems. IEEE Transactions on Magnetics 40(2): 1116–1119