超分辨

摘要： 图像超分辨是使低分辨率图像通过端到端训练产生边缘更清晰的高分辨率图像的一种技术,是数字图像处理的一个重要研究方向。该文提出了一种基于生成对抗网络的图像超分辨算法,并对网络结构进行改进。设计的生成器删除了残差块的BN层,增加了特征识别的相关算法,特征提取部分采用两层卷积网络,可以提取更多的图像特征,在低分辨率图像上提取特征,通过卷积计算得到高分辨率图像,可以提升运算结果的准确性。判别器设计采用先分组再整合的思想,将生成图像划分成一定数量的图像块,计算每一部分的判别结果,然后将所有图像块的判别真假组合起来,作为最终的判别结果。经实验验证,设计的网络模型在图像重建效果上有了一定的提高,并节省了一定的运算时间。

摘要： 2022年3月16日,中国科学院大连化学物理研究所分子探针与荧光成像研究组研究院徐兆超团队发展出在酸性条件下可自闪烁的单分子定位超分辨成像荧光探针LysoSR-549,实现了在12 nm/20 ms时空分辨率下长达40 min的全细胞溶酶体解析。长时间超分辨荧光成像对于揭示纳米尺度的细胞器动力学和功能越来越重要,但由于缺乏高度光稳定和环境敏感的荧光探针为研究工具,一直以来,科研人员对细胞器互作网络的功能和调节机制,尤其是细胞器纳米级全景分布和时空过程所知尚少。

摘要： 基于单快拍的快速迭代插值DOA(Direction of Arrival)估计方法,有效地消除了频谱泄漏,实现了多源DOA的无偏估计。但是该算法需要提前确定信源的个数,且运算量大,因此在工程应用中受限。本文提出一种新方案,利用传统角度域FFT提供粗略角度估计,然后通过迭代插值法细化角度,最终基于对消残差功率和信息论准则进行信源个数估计。该方案无需预知信源个数,且文中提出的基于残差变化率的收敛策略大大减少了细化估计的迭代次数,从而有效地降低了原算法的计算量。通过仿真结果验证了该方案的有效性,在估计精度及分辨率方面性能接近快速迭代插值波束形成算法,优于子空间类算法。

摘要： 近十年来,科学家们发现液-液相分离在许多生理过程中扮演重要角色,发挥着许多生物学功能。一旦发生异常,将会导致多种疾病产生。在生物学研究中,光学显微成像技术是液-液相分离主要的研究工具之一。本文阐述了几个重要的光学显微成像技术在液-液相分离的研究中的应用和对比,以观察相分离的存在和形成等过程。详细地阐述了运用共聚焦显微技术中的荧光漂白后恢复技术(FRAP)检测其扩散和物质交换的特性,并总结了应用该技术时的成像条件、注意事项和参数应用,为科学研究者提供技术选择的依据。

摘要： 为了缓减探测器工艺受限条件下常规热成像系统视场和分辨率的矛盾,对多孔径布局模式、非重叠区域图像拼接算法以及重叠区域超分辨处理算法进行了研究。针对多孔径布局模式,提出了“十”字型四孔径和“十”字型五孔径视场部分重叠仿生热成像模式,并与“田”字型四孔径进行对比。采用ULIS公司微型非制冷红外焦平面探测器Micro80 GEN2,研制了“十”字型四孔径视场部分重叠仿生热成像实验系统,通过子孔径间的非重叠区域增大成像视场及基于重叠区域的亚像素微位移实现超分辨,构成类似人眼视觉的中心高分辨成像、边缘大视场搜索的视觉模式。对实验系统获取的分辨率靶标图像和外界场景图像进行了去盲元和非均匀性校正、基于透视变换的图像拼接以及基于焦平面探测器空间积分模型的超分辨处理,获得了空间变分辨率成像,并对图像进行了主客观评价。实验系统尺寸为180 mm×100 mm×100 mm,拼接总视场为单孔径相机的2.36倍,四孔径重叠区域占总视场的7.78%,成像分辨率得到了改善。该成像系统利用多个子孔径构成多目立体视觉,通过安装偏振片或滤光片还能实现偏振热成像或多光谱成像,具有广阔的应用前景。

摘要： MUSIC (Multiple Signal Classification)算法具有优良的估计精度和高分辨率,但是存在运算复杂、抗噪声性能差、无法对相干信号解相干等问题,因此难以广泛应用。文中将空域FFT测角融合到波束域MUSIC中,通过对阵列信号进行波束变换降低数据维度,结合空域FFT提供的先验信息为角度谱的峰值搜索提供搜索范围,从而有效地避免了角度谱中的栅瓣干扰、全谱搜索。该方案能够对单快拍数据进行快速角度估计,在降低传统超分辨方法运算量的同时,可以获得更稳健的性能。仿真结果表明,该方案的测角性能优于MUSIC算法,运算复杂度低于MUSIC算法,验证了该方案的有效性和优越性。

摘要： 针对深度图像分辨率低、深度不连续性模糊问题,提出一种基于形状自适应非局部回归和非局部梯度正则的深度图像超分辨方法。为了探究深度图像非局部相似块之间的相关性,提出了形状自适应的非局部回归。该方法对每个像素点提取其形状自适应块,并根据形状自适应块构建目标像素的相似像素组;然后针对相似像素组中的每个像素,结合同场景的高分辨率彩色图像获得非局部权重,从而构建非局部回归先验。为了保持深度图像的边缘信息,对图像梯度的非局部性进行探究。不同于总变分(TV)正则化对所有像素点梯度的零均值拉普拉斯分布假设,该方法利用深度图像梯度的非局部相似性,用非局部块估计特定像素点的梯度均值,并用学习到的均值来拟合各像素点的梯度分布。实验结果表明,相较于基于边缘不一致性评价模型(EIEM),所提方法在Middlebury数据集上的2倍和4倍上采样率的平均绝对值差(MAD)分别下降了41.1%和40.8%。

摘要： 图像超分辨率技术在遥感领域的应用越来越多,卷积神经网络(Convolutional neural network, CNN)在图像超分辨率任务方面取得了比传统方法更显著的改进。为了解决超分辨重建算法重建图像细节不清晰的问题,对基于对抗生成网络的超分辨重建算法进行了研究,以恢复接近人眼感知质量的超分辨重建图像。对抗生成网络分为生成器子模块和判别器子模块,生成器模块提取的低频图像特征在进入残差块前进行分组卷积,达到了降低参数量的目的。每3个残差块构成一个级联块,级联块通过级联的方式聚合不同级联块之间图像的特征,以实现信息流传递到更加深层的网络中,经过上采样完成生成器中的图像重建过程。判别器网络用于判别是否为生成器重建图像和真实的高分辨率图像,在真实高分辨率图像的判别过程中提高模型能力。同时,研究了加入感知损失对超分辨重建图像的影响,使重建图片纹理细节更加丰富。实验结果表明,重建图像的峰值信噪比较原来算法提高了0.48 dB,结构相似度提高了0.023,该模型在主观视觉评价和客观量化评估上有所提升。

摘要： 结构光照明显微(SIM)具有成像速度快、对样品损伤小,以及对荧光标记物和标记程序无特殊要求等优点,成为研究活细胞结构和动态过程的重要成像手段之一。介绍了一种大视场、双模式(条纹/点阵)SIM显微技术。该技术结合二维光栅投影产生条纹/点阵结构光,空间光调制器选择条纹方向和实现相移,打破传统SIM中条纹数量受数字投影设备像素个数限制的瓶颈,同时保持了传统SIM成像速度快的优势。实验结果表明:该技术在20×/0.75数值孔径物镜下可获得690μm×517μm成像视场和1.8倍空间分辨率提升,其空间带宽积是传统SIM的3倍。该技术有望被应用于生物学、化学和工业等领域。

摘要： 本文将研究对象从地面气象要素扩展到三维气象要素;针对三维气象要素空间分辨率提升问题,融合多气象要素交互影响、多尺度作用、多气压层气象要素天气系统配置作用等机理,提出一种多尺度残差拉普拉斯金字塔网络三维气象要素深度学习降尺度模型(Multi-Scale Residual Laplacian Pyramid Network,MSRLapN)。具体地,构造一种多尺度残差模块(Multi-Scale Resolution Block,MSRB),用于从三维空间多种气象要素中自动提取预报特征;从机器学习领域引入多尺度金字塔技术描述气象要素的多尺度交互作用;然后,通过超分辨重建循环迭代方法,基于大样本历史数据学习订正降尺度预报的误差。在华东气候区,本文针对相对湿度和风速两种气象要素,实现了7种前沿深度学习超分辨降尺度方法的三维空间气象要素降尺度,并将本文提出的方法与这7种深度学习超分辨降尺度方法与之对比,实验结果表明:MSRB模块可从数据中有效提取三维气象要素多尺度作用的特征信息,MSRLapN有效实现了三维气象要素降尺度,效果优于其他对比方法。

摘要： 本文提出一种基于超分辨率技术和人脸识别技术相结合的方法进行人脸识别。首先利用S胛对低分辨率图像进行配准，SIFT具有对尺度、光照不变性等优点。然后通过基于L1范数的超分辨率算法进行重构，从而得到一幅分辨率较高的人脸图像，最后利用PCA人脸识别技术对高分辨率的人脸图像进行人脸识别。从实验结果来看，采用的是AR人脸数据库，基于超分辨率的人脸识别率提高了不少。

摘要： 本文分析了毫米波辐射计的多波束成像机理,针对Lucy-Richardson法的不足,本文提出了基于空变PSF的超分辨算法,理论和仿真结果表明,与传统方法相比,该方法恢复效果较好。

摘要： 近年来，超分辨阵列处理算法被广泛用于提高逆合成孔径雷达(ISAR)成像的分辨率。当基于理想数据模型的前提下,它们要比传统方法在分辨率提高方面有很大的优越性。然而当考虑到系统误差对阵列的影响、信噪比较低、快拍数较少等情况下，这些超分辨算法的超分辨有效性将发生严重退化，甚至还不如一些传统算法。因此，研究对系统误差以及环境加性噪声分布比较稳健的超分辨算法是一个热点问题。RELAX算法是一种对系统误差及加性噪声假设可松弛的算法。本文提出了RELAX算法在ISAR成像中的应用。本文研究表明RELAX算法用于参数估计要比FFT算法以及ESPRIT算法产生更精确的估计。因此，当飞机平稳飞行的时候，采用RELAX算法要比FFT算法以及ESPRIT算法得到更高分辨率的ISAR图像。仿真结果证明了RELAX算法的有效性。

摘要： 超窄带能在极窄的通信带宽上提供高速率传输,而超分辨则可望更进一步提高影像显示的清晰度.这两项技术过去曾被认为是"不可能"的,但却为我国通信新体制的发展和影像工业的创新,提供了更加丰富的想象空间.本文超前探讨超窄带和超分辨在我国信息产业的可能作为和潜在应用,意在抛砖引玉.

摘要： 该文讨论单个接收器时目标散射回波信号的时延－多普勒频率联合估计问题。在采用二维参数估计模型的基础上，提出了一种基于ＲＥＬＡＸ算法的超分辨时延－多普勒频率联合估计算法，推导出了相应情形时参数伏计问题的Ｃｒａｍｅｒ－Ｒａｏ（Ｃ－Ｒ）界。从Ｃ－Ｒ界和数值模拟结果可以看到，时延－多普勒频率联合估计可大大提高时延估计的分辨率和精度，由于算法仅由一系列ＦＦＴ组成，所以可方便地由现代信号处理苡片快速实现。数值模拟实验验证了色噪声时该文方法的有效性。

摘要： 本文研究了正弦变化的振幅型光瞳滤波器。通过数值计算，详细分析了各个参量对最终超分辨效果的影响，并且得到了正弦变化振幅光瞳滤波器的一些基本性质。结果表明利用正弦变化的振幅型光瞳滤波器可以实现现有的许多种超分辨模式。另外，液晶技术的发展也使得正弦变化光瞳滤波器在应用中成为可能。

摘要： 介绍了光致变色原理及各类无机、有机光致变色材料,并就其在双光子、多波长、超分辨光存储中的应用进行了讨论.

摘要： 本发明利用将与TV影像的劣化程度相应地特定出的PSF的亮度分布、由TV影像的Y(亮度)成分构成的劣化图像的亮度分布及复原图像初始值的推定亮度分布作为输入信息来多次执行基于Bayse概率论的基于实数的迭代运算的、基于软件或硬件的PSF复原单元及图像复原单元，来求出劣化图像的亮度分布的最大似然的复原图像的推定亮度分布，并将其替换在提取了劣化图像的亮度分布时的TV影像的Y成分，由此接近实时地提供与劣化前的状态近似的TV影像，从而解决上述课题。

摘要： 本发明的课题在于，提供解决接近实时地减少TV影像的1帧内的光学劣化以复原成劣化前的原图像的装置的规模为150万逻辑门这种大规模的问题的方法及装置。本发明为在如下的图像复原单元中通过进行2次迭代运算来接近实时地提供与劣化前的原图像近似的TV影像的方法以及7万逻辑门规模的装置：将TV影像的1帧作为劣化图像的亮度分布及复原图像初始值的推定亮度分布，将与劣化图像的劣化程度相应地特定出的第一PSF的亮度分布用于第一次迭代运算，将通过图像复原单元复原第一PSF的亮度分布而得到的第二PSF的亮度分布用于第二次迭代运算，一边将由第一次迭代运算得到的复原图像的推定亮度分布作为第二次复原图像初始值的推定亮度分布，一边通过基于Bayse概率论的实数运算，求出劣化图像的亮度分布的最大似然的复原图像的推定亮度分布。

摘要： 本发明是一种超分辨载/盖玻片以及获得超分辨空间分辨率的方法，它涉及显微成像技术，特别是针对纳米尺度的样品可实现超瑞利分辨极限的显微成像构件及方法。所述载/盖玻片由基片、电介质保护内层、含有纳米颗粒的光学非线性层以及电介质保护外层构成，其中的纳米颗粒为具有负的介电系数实部的材料，电介质保护外层朝向样品。将该超分辨载/盖玻片结合普通的光学显微镜使用即可达到近场光学显微镜一样的效果。可以只使用该载玻片或盖玻片，也可以两者同时使用。被观察样品置于该载/盖玻片之间并将两者夹紧、置于普通的光学显微镜样品台上，对样品进行观察，即可获得超瑞利分辨极限的空间分辨率。

摘要： 本发明公开了基于超分辨率风格迁移网络的遥感影像超分辨率重建方法，包括以下步骤：构建超分辨率风格迁移网络模型；所述超分辨率风格迁移网络模型包括生成部分和判别部分；所述生成部分由超分辨率重建网络SSR和U‑net网络连接而成；利用训练集交替训练所述生成部分和判别部分，得到训练完成的超分辨率风格迁移网络模型；将低分辨率的遥感影像输入至所述训练完成的超分辨率风格迁移网络模型，得到超分辨率遥感影像。本发明克服了传统超分辨率网络模型泛化能力差和重建影像纹理细节丢失等缺点，能够生成清晰度和纹理特征更加接近真实高分辨率遥感图像的重建影像。

摘要： 本发明是一种超分辨载/盖玻片以及获得超分辨空间分辨率的方法，它涉及显微成像技术，特别是针对纳米尺度的样品可实现超瑞利分辨极限的显微成像构件及方法。所述载/盖玻片由基片、电介质保护内层、含有纳米颗粒的光学非线性层以及电介质保护外层构成，其中的纳米颗粒为具有负的介电系数实部的材料，电介质保护外层朝向样品。将该超分辨载/盖玻片结合普通的光学显微镜使用即可达到近场光学显微镜一样的效果。可以只使用该载玻片或盖玻片，也可以两者同时使用。被观察样品置于该载/盖玻片之间并将两者夹紧、置于普通的光学显微镜样品台上，对样品进行观察，即可获得超瑞利分辨极限的空间分辨率。

摘要： 本申请提供一种基于深度学习的图像生成方法，包括：接收至少一第一条纹图像，所述第一条纹图像为条纹结构光照射待测样品时采集的所述待测样品的图像；基于预设的深度学习语义分割模型提取所述至少一第一条纹图像的深层信息和浅层信息，对所述深层信息和浅层信息进行融合，以获取语义信息；根据所述语义信息，生成多张第二条纹图像，所述至少一第一条纹图像和所述多张第二条纹图像用于获取所述待测样品的生物信息。本申请还提供一种基于深度学习的超分辨检测方法和基于深度学习的超分辨检测系统。

摘要： 本公开关于一种图像超分辨率方法、图像超分辨率模型训练方法、装置、设备及介质。图像超分辨率方法包括：获取原始分辨率图像；将原始分辨率图像输入训练完成的图像超分辨率模型，得到与原始分辨率图像匹配的目标分辨率图像；训练完成的图像超分辨率模型为基于原始分辨率样本图像、原始分辨率样本图像匹配的目标分辨率样本图像，以及中间分辨率样本图像训练得到；原始分辨率低于目标分辨率，中间分辨率样本图像根据原始分辨率样本图像和目标分辨率样本图像得到；中间分辨率介于原始分辨率和目标分辨率之间；将目标分辨率图像，作为原始分辨率图像的超分辨率处理结果。本公开可以提高图像超分辨率模型的模型精度，进而提高图像细节的处理效果。

摘要： 本发明公开了一种多重超分辨残差网络的PET超分辨率方法，属于医学图像处理领域。本发明包括一、获取训练集和测试集；步骤二、设计多级跳接剩余块，构建多重超分辨剩余块模块；步骤三、采用随机梯度下降法训练深度残差网络，得到网络的超分辨重建模型；步骤四、将低分辨率图像输入到超分辨重建模型中，得到预测的残差特征值；步骤五、将残差图像与低分辨率图像组合成高分辨率图像；步骤六、用图像质量评价指标对网络进行评价。本发明为了解决这一问题提出了多重超分辨残差网络。大多数定量和定性评价指标数据表明该模型可以更好地重建图像的细节和纹理，并显示该算法的性能是优于现有最先进的方法。

摘要： 本发明特别涉及一种基于任务解耦的双分支超分辨率网络的图像超分辨率方法，包括如下步骤：获取LR‑HR图像对作为训练样本；搭建由结构提取分支和颜色提取分支构成的双分支超分辨率网络，利用训练样本对网络进行训练得到训练后的双分支超分辨率网络；将待处理图像作为LR图像导入到训练后的双分支超分辨率网络中，网络输出的结果即为HR图像。通过构建双分支超分辨率网络，其中的结构提取分支可以方便的提取图像的结构特征，颜色提取分支在不断提取更深层次特征的同时，不断的增强其中的颜色信息，最后混合这两种信息，得到更加优秀的超分辨率图像，通过对图像中的结构信息和颜色信息作有针对性的处理，实现了在多种超分辨率任务下的优异表现。

摘要： 本发明公开了一种基于孪生超分辨率网络的压缩视频超分辨率方法及系统，将待处理低分辨率视频输入本实施例的孪生超分辨率网络，获得超分辨率视频；训练时本发明将原始高质量视频进行M‑JPEG格式的压缩。然后将压缩版本和非压缩版本两类数据输入到孪生超分辨率网络中。最后从四个方面约束孪生超分辨率网络的训练，两类视频经编码器提取到的特征应该尽可能靠近；两类视频的超分结果和真实值共同构成了一个三元组，三元组内元素互为正样本；负样本则是压缩数据与传统降质之间的残差超分的结果。通过这样对比学习的方式，孪生超分辨率网络能够最大限度地学习到对压缩视频超分需要的特征参数，获得更精细的超分辨率重建结果。