共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
基于图像自相似性及字典学习的超分辨率重建算法 总被引:1,自引:1,他引:0
图像超分辨率重建技术在重构图像细节,改善图像视觉效果等方面起着重要作用.为了提高超分辨率图像的重构质量,本文结合图像自身和自然图像库信息进行超分辨率重建.先利用图像在不同尺度的自相似性,形成图像金字塔,只用单幅低分辨率图像进行超分辨率重建;然后利用自然图像库进行字典学习并以初步得到的重建图像作为输入再次处理;在图像后处理时,利用图像非局部相似性和迭代反投影,进一步提高重建效果.实验结果表明,本文的方法与其它几种基于学习的超分辨率算法比较,无论主观视觉效果上还是峰值信噪比上都有明显提高. 相似文献
3.
超分辨率图像重建技术就是利用信号处理的方法,从多幅低分辨率图像中提取更多细节信息,重建出一幅或多幅高分辨率图像的技术。文章介绍了超分辨率图像重建的概念,并且探讨超分辨率图像重建的意义和需求,然后着重研究了目前的几种主要超分辨率图像重建算法,并讨论了关于目前超分辨率图像重建算法的一些思考。 相似文献
4.
5.
6.
介绍一种应用于车牌图像的稀疏表示超分辨率算法,依据稀疏表示理论,自然图像在合适的过完备字典下总存在稀疏的表示,为输入的低分辨率图像寻找一个稀疏表示,用稀疏系数来生成高分辨率输出图像。通过对低分辨率和高分辨率图像补丁的联合训练生成字典,该字典提供低分辨率图像补丁的稀疏表示,用来生成高分辨率图像补丁。 相似文献
7.
8.
多正则化形式的超分辨率图像重建 总被引:1,自引:0,他引:1
为了抑制超分辨图像重建过程中的振铃锯齿效应,本文提出一种多正则化形式的超分辨率重建算法。文章首先给出了图像降质模型并推导出了图像重构约束项。利用重构项直接对低分辨率图像进行重建,获得的高分辨图像会有锯齿和振铃效应。针对此问题,本文利用自回归模型和滤波器组先验来正则化重建过程。自回归模型用来恢复图像局部细节描述,与此同时本文利用自然图像块的聚类集来估计自适应自回归模型参数。滤波器组先验用来约束重建图像的边缘,使得获取的高分辨率的图像边缘更加锐利。最后通过实验定性与定量的分析,证实了本文算法优于其他具有竞争力的算法。 相似文献
9.
调和映射约束下的超分辨率图像重建 总被引:1,自引:1,他引:0
针对超分辨率图像重建过程中的正则化约束问题,本文提出采用p(x)调和映射进行正则化重建,根据超分辨率图像观察模型及正则约束,给出相应的能量泛函,并采用动态偏微分方程演化来求解能量泛函.该算法在重建的过程中能够根据图像空间特性自适应地采用不同的p(x)范数进行正则化,在图像的平滑区域采用近似2次范数进行正则化,而在图像的边缘区域采用近似1次范数进行正则化.实验结果均表明该算法不仅能有效地重建图像边缘,而且能有效地改善一次范教约束重建的分片常数效应. 相似文献
10.
针对人脸图像超分辨率复原问题,提出了一种新的基于自样本学习的超分辨率复原算法.该算法从输入图像本身提取训练样本库,并采用矢量量化的方法对训练样本进行分类.再利用并行设计的多类预测器对每类样本进行学习训练,指导高频信息的估计重建.对来自输入图像本身的自样本训练集合和来自特定训练图像库的特定训练样本集合进行了对比研究.实验结果表明提出算法在图像重建质量和实现速度上都有很好的表现. 相似文献