摘要：在CT图像超分辨率重建中,传统方法存在峰值信噪比和结构相似性低、重建效果差的问题,为获得更好的图像,提出基于半耦合字典的CT图像超分辨率重建方法。该方法利用初始图像与神经元函数之间的卷积形式,曝光处理CT图像。基于图像分辨率的离散化特点,构建了图像降质退化模型。设置匹配点和计算机断层扫描的基本参数,获取CT图像的超分辨率属性特征。经由傅里叶算法,准确匹配图像超分辨率特征点,通过训练半耦合算法,设计了图像超分辨率重建算法,实现CT图像的超分辨率重建。结果表明,该方法不仅可以提高重建的峰值信噪比和结构相似性,还提高了重建图像边缘的圆滑程度,从而实现提高重建质量,获取更好的图像。

摘要：传统的卷积稀疏编码超分辨率方法在特征空间转换时仅引入线性投影关系,且在特征图的学习中未能考虑局部细节信息,使重建结果在边缘和细节方面不尽如人意.为此,将卷积稀疏编码理论引入遥感影像的超分辨重建框架中,提出一种多尺度半耦合卷积稀疏编码的超分辨率重建方法.首先对输入影像进行多尺度分解,提取出平滑分量和多个尺度的纹理分量,并对最终的平滑分量进行双三次插值重建;然后将每个尺度的纹理分量进行半耦合卷积稀疏编码重建,利用非线性卷积算子作为每个尺度下纹理分量的高分辨率特征图与低分辨率特征图之间的投影函数,并在特征图的学习中引入非局部自相似性结构进行约束优化,从而更好地重建出每个尺度下的纹理分量;最后将重建后的平滑分量和每个尺度下的纹理分量进行叠加,获得最终的重建影像.以4种不同传感器的遥感影像作为实验影像,与几种先进的超分辨率重建方法对比的实验结果表明,所提方法获得的重建影像在定量分析指数PSNR和FSIM方面均优于其他方法,表现出更为清晰的边界和细节信息,且具有一定的抗噪性能.