A maximum a posteriori（ MAP） algorithm is proposed to improve the accuracy of super resolution（ SR） reconstruction in traditional methods. The algorithm applies both joints image registration and SR reconstruction...A maximum a posteriori（ MAP） algorithm is proposed to improve the accuracy of super resolution（ SR） reconstruction in traditional methods. The algorithm applies both joints image registration and SR reconstruction in the framework,but separates them in the process of iteratiion. Firstly,we estimate the shifting parameters through two lowresolution（ LR） images and use the parameters to reconstruct initial HR images. Then,we update the shifting parameters using HR images. The aforementioned steps are repeated until the ideal HR images are obtained. The metrics such as PSNR and SSIM are used to fully evaluate the quality of the reconstructed image. Experimental results indicate that the proposed method can enhance image resolution efficiently.展开更多
本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分...本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分辨率复原图像阶跃边缘的陡坡性质,将三边滤波正则化应用于迭代运算中,更好地保护了图像的陡坡和屋顶边缘.算法可根据图像的纹理自动计算初始图像融合参数以及正则化函数中的梯度阈值等参数,解决了以往超分辨率图像复原算法参数调整复杂的问题.实验结果表明,本文算法在没有人工参与的情况下,重建图像的客观评价和主观质量均有明显提高.展开更多
卡尔曼滤波(Kalman filter,KF)和最大化后验概率法(maximum a posteriori,MAP)是结构荷载识别中常见的两类广义贝叶斯滤波算法,KF法计算效率高但数值稳定性较差,MAP法适用性强却需要复杂的矩阵求逆运算,加之这两类方法对荷载形式和测点...卡尔曼滤波(Kalman filter,KF)和最大化后验概率法(maximum a posteriori,MAP)是结构荷载识别中常见的两类广义贝叶斯滤波算法,KF法计算效率高但数值稳定性较差,MAP法适用性强却需要复杂的矩阵求逆运算,加之这两类方法对荷载形式和测点布置的苛刻要求,目前仅适用于简单荷载的识别。为此,该研究提出了针对任意分布式荷载的贝叶斯全局响应重构方法,从在线和离线两个角度改进了现有方法。针对在线KF方法,该研究从结构动力特性中导出等效荷载向量来降低未知荷载的维度,得到满足可控性条件的等效系统模型,并采用输入状态联合估计方法同时识别等效荷载和全局响应。针对离线MAP方法,引入考虑了空间相关性的荷载先验分布,采用MAP策略同时对等效荷载和观测噪声进行迭代估计,随后根据识别得到的等效荷载重构全局响应。改进后的在线和离线方法均不需要提前获取荷载位置或分布形式。通过青州大桥在风荷载和交通荷载下采集的响应数据对所提方法的精度和适用性进行了验证。展开更多
基金Supported by the National Natural Science Foundation of China(61405191)
文摘A maximum a posteriori（ MAP） algorithm is proposed to improve the accuracy of super resolution（ SR） reconstruction in traditional methods. The algorithm applies both joints image registration and SR reconstruction in the framework,but separates them in the process of iteratiion. Firstly,we estimate the shifting parameters through two lowresolution（ LR） images and use the parameters to reconstruct initial HR images. Then,we update the shifting parameters using HR images. The aforementioned steps are repeated until the ideal HR images are obtained. The metrics such as PSNR and SSIM are used to fully evaluate the quality of the reconstructed image. Experimental results indicate that the proposed method can enhance image resolution efficiently.
文摘本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分辨率复原图像阶跃边缘的陡坡性质,将三边滤波正则化应用于迭代运算中,更好地保护了图像的陡坡和屋顶边缘.算法可根据图像的纹理自动计算初始图像融合参数以及正则化函数中的梯度阈值等参数,解决了以往超分辨率图像复原算法参数调整复杂的问题.实验结果表明,本文算法在没有人工参与的情况下,重建图像的客观评价和主观质量均有明显提高.
文摘卡尔曼滤波(Kalman filter,KF)和最大化后验概率法(maximum a posteriori,MAP)是结构荷载识别中常见的两类广义贝叶斯滤波算法,KF法计算效率高但数值稳定性较差,MAP法适用性强却需要复杂的矩阵求逆运算,加之这两类方法对荷载形式和测点布置的苛刻要求,目前仅适用于简单荷载的识别。为此,该研究提出了针对任意分布式荷载的贝叶斯全局响应重构方法,从在线和离线两个角度改进了现有方法。针对在线KF方法,该研究从结构动力特性中导出等效荷载向量来降低未知荷载的维度,得到满足可控性条件的等效系统模型,并采用输入状态联合估计方法同时识别等效荷载和全局响应。针对离线MAP方法,引入考虑了空间相关性的荷载先验分布,采用MAP策略同时对等效荷载和观测噪声进行迭代估计,随后根据识别得到的等效荷载重构全局响应。改进后的在线和离线方法均不需要提前获取荷载位置或分布形式。通过青州大桥在风荷载和交通荷载下采集的响应数据对所提方法的精度和适用性进行了验证。
