首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 187 毫秒
1.
目的 基于正则化的重建是单幅图像超分辨的重要方法之一.其中,如何构造合适的图像先验,增强超分辨重建过程中的边缘和纹理保持能力是该类方法的关键.提出一个全局和局部结构内容自适应正则化的单幅图像超分辨模型.方法 该模型综合了图像梯度的全局非高斯性和局部结构方向自适应回归特性.首先,利用广义高斯分布拟合图像梯度模的重尾特性,由最大后验概率框架构造了图像全局内容感知的lα(0<α<1)范数稀疏性度量;然后,利用图像局部内容的各向异性相关性,给出基于Geman-McClure(GM)权函数加权的局部结构方向自适应回归先验;最后利用半二次惩罚和变量分裂法,设计了该优化模型快速求解的超分辨算法.结果 实验结果表明:在客观评价上,本文方法在峰值信噪比与结构相似度两方面优于现有的一些超分辨方法,在主观视觉效果上,能够很好的恢复图像的纹理细节和边缘信息.结论 基于全局和局部结构内容自适应正则化的单幅图像超分辨方法在保持图像边缘和恢复图像纹理细节方面取得较好的重建性能.  相似文献   

2.
运动参数估计和复原是多帧图像超分辨重构中最重要的两个环节,其中经典的Fourier-Mellin变换方法于频域采用对数极坐标形式和相位相关方法结合来估计运动参数。相位相关是整像素级平移参数估计方法,将其改进为亚像素级平移参数估计方法,以提高旋转、缩放参数的估计精度。对于复原算法,在讨论基于局部信息的传统双三次插值超分辨重构方法的基础上,重点探讨基于全局信息的Kriging插值超分辨重构和核非线性回归(KNR)超分辨重构方法。实验结果表明,探讨的参数估计方法和超分辨重构方法是有效的。  相似文献   

3.
目的 基于学习的单幅图像超分辨率算法是借助实例训练库由一幅低分辨率图像产生高分辨率图像。提出一种基于图像块自相似性和对非线性映射拟合较好的支持向量回归模型的单幅超分辨率方法,该方法不需使用外部图像训练库。方法 首先根据输入的低分辨率图像建立图像金字塔及包含低/高分辨率图像块对的集合;然后在低/高分辨率图像块对的集合中寻找与输入低分辨率图像块的相似块,利用支持向量回归模型学习这些低分辨率相似块和其对应的高分辨率图像块的中心像素之间的映射关系,进而得到未知高分辨率图像块的中心像素。结果 为了验证本文设计算法的有效性,选取结构和纹理不同的7幅彩色高分辨率图像,对其进行高斯模糊的2倍下采样后所得的低分辨率图像进行超分辨率重构,与双三次插值、基于稀疏表示及基于支持向量回归这3个超分辨率方法重建的高分辨率图像进行比较,峰值信噪比平均依次提升了2.37 dB、0.70 dB和0.57 dB。结论 实验结果表明,本文设计的算法能够很好地实现图像的超分辨率重构,特别是对纹理结构相似度高的图像具有更好的重构效果。  相似文献   

4.
颜色是图像的重要信息。许多颜色校正算法都采用精度较高的查找表法。为了更好地拟合颜色空间之间复杂的映射关系,在自适应局部线性回归颜色校正模型的基础上提出了基于自适应局部非线性回归的颜色校正模型,在小样本情况下,自适应地选择插值点的个数,利用局部非线性回归模型优化权值,建立三维的查找表,实现较好的颜色校正效果。实验证明基于自适应局部非线性回归的颜色校正模型的校正精度整体高于基于自适应局部线性回归的颜色校正模型的校正精度。  相似文献   

5.
《计算机工程》2017,(5):255-260
针对图像重建过程中待插值点灰度估计不准确的问题,提出一种基于邻域特征学习的单幅图像超分辨回归分析方法。在输入低分辨率图像后,利用图像特征从低分辨率图像及其对应高分辨率图像的几何相似结构中学习局部协方差。对于邻域中的每一个图像块,估计4个方向的方差以适应插值像素。实验结果表明,该方法既能保证重建的高分辨率图像均匀区域的一致性,同时也能完整保留图像细节信息和边缘轮廓。  相似文献   

6.
针对基于稀疏重建的图像超分辨率(SR)算法一般需要外部训练样本,重建质量取决于待重建图像与训练样本的相似度的问题,提出一种基于局部回归模型的图像超分辨率重建算法。利用局部图像结构会在不同的图像尺度对应位置重复出现的事实,建立从低到高分辨率图像块的非线性映射函数一阶近似模型用于超分辨率重建。其中,非线性映射函数的先验模型是直接对输入图像及其低频带图像的对应位样本块对通过字典学习的方法得到。重建图像块时利用图像中的非局部自相似性,对多个非局部自相似块分别应用一阶回归模型,加权综合得到高分辨率图像块。实验结果表明,该算法重建的图像与同样利用图像具有自相似性的相关超分辨率算法相比,峰值信噪比(PSNR)平均提高0.3~1.1 dB,主观重建效果亦有明显提高。  相似文献   

7.
王峰 《计算机应用》2014,34(6):1735-1737
图像的边缘细节信息直接影响图像的视觉质量。为了尽可能地保持图像边缘结构信息,提高超分辨率图像的质量,提出了一种基于张量的单幅图像超分辨算法。该方法利用张量对图像局部几何特征进行描述,然后根据采样点的局部特征估计待插值点的局部特征,最后通过这一估计的特征计算待插值点的灰度值。实验结果表明基于张量的超分辨方法能够较好地保持图像中的边缘结构信息,峰值信噪比(PSNR)、结构相似性系数(SSIM)等客观评价指标和主观视觉效果都比较好。  相似文献   

8.
基于实例的超分辨算法在超分辨重建技术中得到了广泛的应用,如邻域嵌入算法。这个算法的理论基础建立在流形假设上,而流形假设往往并不是成立。为了避免流形假设,提出了基于聚类和回归的超分辨率方法。由于图像的信息较为复杂,因此首先将图像样本块进行聚类。然后,在高分辨图像块与低分辨图像块中学习局部回归函数。最后应用回归函数进行超分辨重建。将仿真实验结果与其他算法进行比较,证明了该算法的可行性和有效性。  相似文献   

9.
基于机器学习的超分辨方法是一个很有发展前景的单幅图像超分辨方法,稀疏表达和字典学习是其中的研究热点。针对比较耗时的字典训练与恢复精度不高图像重建,从减小低分辨率(LR)和高分辨率(HR)特征空间之间差异性的角度提出了一种使用迭代最小二乘字典学习算法(ILS-DLA),并使用锚定邻域回归(ANR)进行图像重建的单幅图像超分辨算法。迭代最小二乘法的整体优化过程极大地缩短了低分辨字典/高分辨字典的训练时间,它采用了与锚定邻域回归相同的优化规则,有效地保证了字典学习和图像重建在理论上的一致性。实验结果表明,所提算法的字典学习效果比K-均值奇异值分解(K-SVD)和Beta过程联合字典学习(BPJDL)等算法更高效,图像重建的效果也优于许多优秀的超分辨算法。  相似文献   

10.
刘长红  杨扬  陈勇 《计算机科学》2010,37(3):268-270
判别式3D人体姿态估计方法直接学习图像观测到姿态之间的映射,需要大量训练集,而GPR对这种大训练集的映射模型学习由于计算复杂度太高而受到极大限制。提出了一种基于GPR和LWPR的增量式映射模型的学习方法,利用GPR学习各局部映射模型,基于LWPR的思想在线调整现有的模型和训练新的局部模型以及姿态估计。实验表明,该方法能够极大地减少大数据集上高斯过程回归的计算代价,并获得准确的姿态估计。  相似文献   

11.
该文提出了一种基于多帧的NEDI超分辨率图像重建算法。该算法先利用POCS方法将多帧序列的运动估计补偿到低分辨率图像中,然后再利用NEDI方法对补偿后的图像进行超分辨率图像重建,通过实验仿真证明该算法是有效的。  相似文献   

12.
13.
Precise forecast of the electrical load plays a highly significant role in the electricity industry and market. It provides economic operations and effective future plans for the utilities and power system operators. Due to the intermittent and uncertain characteristic of the electrical load, many research studies have been directed to nonlinear prediction methods. In this paper, a hybrid prediction algorithm comprised of Support Vector Regression (SVR) and Modified Firefly Algorithm (MFA) is proposed to provide the short term electrical load forecast. The SVR models utilize the nonlinear mapping feature to deal with nonlinear regressions. However, such models suffer from a methodical algorithm for obtaining the appropriate model parameters. Therefore, in the proposed method the MFA is employed to obtain the SVR parameters accurately and effectively. In order to evaluate the efficiency of the proposed methodology, it is applied to the electrical load demand in Fars, Iran. The obtained results are compared with those obtained from the ARMA model, ANN, SVR-GA, SVR-HBMO, SVR-PSO and SVR-FA. The experimental results affirm that the proposed algorithm outperforms other techniques.  相似文献   

14.
Recently, many virtual reality and robotics applications have been called on to create virtual environments from real scenes. A catadioptric omnidirectional image sensor composed of a convex mirror can simultaneously observe a 360-degree field of view making it useful for modeling man-made environments such as rooms, corridors, and buildings, because any landmarks around the sensor can be taken in and tracked in its large field of view. However, the angular resolution of the omnidirectional image is low because of the large field of view captured. Hence, the resolution of surface texture patterns on the three-dimensional (3-D) scene model generated is not sufficient for monitoring details. To overcome this, we propose a high resolution scene texture generation method that combines an omnidirectional image sequence using image mosaic and superresolution techniques.  相似文献   

15.
目的 卫星遥感技术在硬件方面的局限导致获取的遥感图像在时间与空间分辨率之间存在矛盾,而时空融合提供了一种高效、低成本的方式来融合具有时空互补性的两类遥感图像数据(典型代表是Landsat和MODIS (moderate-resolution imaging spectroradiometer)图像),生成同时具有高时空分辨率的融合数据,解决该问题。方法 提出了一种基于条件生成对抗网络的时空融合方法,可高效处理实际应用中的大量遥感数据。与现有的学习模型相比,该模型具有以下优点:1)通过学习一个非线性映射关系来显式地关联MODIS图像和Landsat图像;2)自动学习有效的图像特征;3)将特征提取、非线性映射和图像重建统一到一个框架下进行优化。在训练阶段,使用条件生成对抗网络建立降采样Landsat和MODIS图像之间的非线性映射,然后在原始Landsat和降采样Landsat之间训练多尺度超分条件生成对抗网络。预测过程包含两层:每层均包括基于条件生成对抗网络的预测和融合模型。分别实现从MODIS到降采样Landsat数据之间的非线性映射以及降采样Landsat与原始Landsat之间的超分辨率首建。结果 在基准数据集CIA (coleam bally irrigation area)和LGC (lower Gwydir catchment)上的结果表明,条件生成对抗网络的方法在4种评测指标上均达到领先结果,例如在CIA数据集上,RMSE (root mean squared error)、SAM (spectral angle mapper)、SSIM (structural similarity)和ERGAS (erreur relative global adimensionnelle desynthese)分别平均提高了0.001、0.15、0.008和0.065;在LGC数据集上分别平均提高了0.001 2、0.7、0.018和0.008 9。明显优于现有基于稀疏表示的方法与基于卷积神经网络的方法。结论 本文提出的条件生成对抗融合模型,能够充分学习Landsat和MODIS图像之间复杂的非线性映射,产生更加准确的融合结果。  相似文献   

16.
无论军事还是民用合成孔径雷达(SAR)应用领域,对实现目标更高分辨、更精细描述的期望和需求都十分迫切。在稀疏表示框架下,构建了基于属性散射中心模型(ASC)部件级局部散射模型的SAR重建观测模型;提出一种基于信号域的散射中心属性参数空间分类策略,并联合频域外推,提出一种基于随机梯度最小方差追踪的部件级超分辨SAR重建算法。该算法最终的超分辨SAR图像由FFT获得,提高了算法效率;并且该算法实现了在重建超分辨SAR图像的同时获取高精度的目标散射中心属性级特征。仿真合成数据和电磁计算数据验证了算法的超分辨能力,并利用ASC属性的克拉美罗界对算法属性估计性能进行了评估。  相似文献   

17.
魏嘉旺  王肖  袁玉波 《计算机应用》2019,39(5):1459-1465
针对显式形状回归(ESR)对于一些面部遮挡、面部表情过大样本定位精度低的问题,提出一种自适应窗回归方法。首先,应用先验信息为每张图片生成精确的人脸框,用人脸框的中心点对人脸进行特征映射,并进行相似变换得到多个初始形状;其次,提出一种自适应窗口调整策略,基于先前回归的均方误差自适应地调整特征窗口大小;最后,基于互信息(MI)的特征选择策略,提出新的相关性计算方法,在候选像素集中选出最相关的特征。在三个公开数据集LFPW、HELEN、COFW上,相较于ESR算法,所提方法的定位精度分别提升7.52%、5.72%和5.89%。实验结果表明,自适应窗回归方法可以有效提高人脸特征点定位精度。  相似文献   

18.
为了更好地提高嵌入水印后的图像质量,提出了一种利用遗传算法(GA)优化支持向量回归机(SVR)的鲁棒水印算法。把经Haar小波变换后,图像子带中具有强相似性的数据作为特征向量,用于被遗传算法优化的SVR建立小波系数方向树的模型。通过比较特征向量均方差(MSE)的大小来自适应地确定水印嵌入的位置。水印的嵌入与提取是通过调整模型的预测值与目标值之间的大小来实现的。实验结果表明,所提算法对常见的图像攻击有很强的鲁棒性,而且水印图像在嵌入容量为16384比特的情况下,峰值信噪比可以达到44.15dB。因此能够有效抵抗常见的水印攻击,在嵌入大量信息的情况下,具有很高的透明性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号