發(fā)布時間：2018-04-16 15:19

  本文選題：超分辨率 + 稀疏閾值��； 參考：《中國光學》2016年05期

【摘要】：為了解決基于字典學習的超分辨重構算法耗時過長的問題,提出了基于稀疏閾值模型的圖像超分辨率重建方法。首先,將聯(lián)合字典理論與圖像塊稀疏閾值方法相結合,訓練得到高、低分辨率過完備圖像字典對。接著,通過稀疏閾值OMP算法對圖像特征塊進行稀疏表示。然后,通過高分辨率字典重構出初始的超分辨圖像。最后,通過改進迭代反投影算法對初始的超分辨圖像進行全局優(yōu)化,從而進一步提高圖像重構質量。實驗結果表明,超分辨圖像重構平均峰值信噪比(PSNR)為30.1 d B,平均結構自相似度(SSIM)為0.937 9,平均計算時間為10.2 s。有效提高了超分辨重構的速度,改善了重構高分辨圖像的質量。
[Abstract]:In order to solve the problem that the super-resolution reconstruction algorithm based on dictionary learning is time-consuming, an image super-resolution reconstruction method based on sparse threshold model is proposed.Firstly, the joint dictionary theory and the image block sparse threshold method are combined to obtain high and low resolution overcomplete image dictionary pairs.Then, the sparse threshold OMP algorithm is used to represent the image feature block sparsely.Then, the initial super-resolution image is reconstructed by high-resolution dictionary.Finally, the initial super-resolution image is globally optimized by an improved iterative back-projection algorithm, which further improves the quality of image reconstruction.The experimental results show that the average PSNR of super-resolution image reconstruction is 30.1 dB, the average structural self-similarity is 0.937 9, and the average computing time is 10.2s.The speed of super resolution reconstruction is improved and the quality of reconstructed high resolution image is improved.
【作者單位】： 中國科學院長春光學精密機械與物理研究所應用光學國家重點實驗室;中國科學院大學;
【基金】：應用光學國家重點實驗室自主基金資助項目(No.Y4223FQ141)~~
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前5條

1 張振東;陳健;王偉國;劉廷霞;;基于SSIM_NCCDFT的超分辨率復原評價方法研究[J];液晶與顯示;2015年04期

2 陳健;高慧斌;王偉國;張振東;路明;;超分辨率復原方法相關原理研究[J];中國光學;2014年06期

3 鄧承志;田偉;汪勝前;朱華生;吳朝明;熊志文;鐘威;;近似稀疏正則化的紅外圖像超分辨率重建[J];光學精密工程;2014年06期

4 彭真明;景亮;何艷敏;張萍;;基于多尺度稀疏字典的多聚焦圖像超分辨融合[J];光學精密工程;2014年01期

5 鄧建青;劉晶紅;劉鐵軍;;基于DSP系統(tǒng)的超分辨率圖像重建技術研究[J];液晶與顯示;2012年01期

【共引文獻】

相關期刊論文 前10條

1 何陽;黃瑋;王新華;郝建坤;;稀疏閾值的超分辨率圖像重建[J];中國光學;2016年05期

2 王劉濤;黃淼;王建璽;馬飛;;交叉分辨率自適應字典學習的單幀超分辨率算法[J];計算機工程;2016年08期

3 廖婷;;基于多尺度快速清晰度估計的多聚焦圖像超分辨融合技術研究[J];現(xiàn)代電子技術;2016年15期

4 殷明;段普宏;褚標;梁翔宇;;基于非下采樣雙樹復輪廓波變換和稀疏表示的紅外和可見光圖像融合[J];光學精密工程;2016年07期

5 張盛林;易本順;李衛(wèi)中;劉紅玉;;基于圖像摳圖技術的多聚焦圖像融合方法[J];計算機應用;2016年07期

6 李云峰;李晟陽;韓茜茜;;基于多鄰域信息的監(jiān)控圖像超分辨率算法[J];計算機工程;2016年06期

7 吳澤鵬;成飛;曲耀斌;黃業(yè)平;;基于線陣探測器錯位成像的超分辨遙感技術[J];激光與光電子學進展;2016年06期

8 魏利勝;張平改;;基于分層模型的圖像快速融合方法研究[J];系統(tǒng)仿真學報;2016年06期

9 郭萌;趙巖;王世剛;陳賀新;;基于區(qū)域選擇的紅外弱小目標超分辨率復原算法[J];液晶與顯示;2016年04期

10 許廷發(fā);羅璇;蘇暢;卞紫陽;;多幀距離選通圖像點擴散函數估計的超分辨率重建[J];中國光學;2016年02期

【二級參考文獻】

相關期刊論文 前10條

1 許廷發(fā);李俊濤;張一舟;申子宜;郭巳秋;;真彩色傳遞雙波段圖像融合[J];中國光學;2014年03期

2 王宇慶;王索建;;紅外與可見光融合圖像的質量評價[J];中國光學;2014年03期

3 張穎穎;張帥;張萍;盧成;;融合對比度和分布性的圖像顯著性區(qū)域檢測[J];光學精密工程;2014年04期

4 龔衛(wèi)國;潘飛宇;李進明;;用雙層重建法實現(xiàn)單幅圖像的超分辨率重建[J];光學精密工程;2014年03期

5 陳愷;陳芳;戴敏;張志勝;史金飛;;基于螢火蟲算法的二維熵多閾值快速圖像分割[J];光學精密工程;2014年02期

6 楊桄;童濤;陸松巖;李紫陽;鄭悅;;基于多特征的紅外與可見光圖像融合[J];光學精密工程;2014年02期

7 彭真明;景亮;何艷敏;張萍;;基于多尺度稀疏字典的多聚焦圖像超分辨融合[J];光學精密工程;2014年01期

8 褚江;陳強;楊曦晨;;全參考圖像質量評價綜述[J];計算機應用研究;2014年01期

9 穆治亞;魏仲慧;何昕;梁國龍;;采用稀疏表示的紅外圖像自適應雜波抑制[J];光學精密工程;2013年07期

10 鄧承志;劉娟娟;汪勝前;朱華生;;保留結構特征的稀疏性正則化圖像修復[J];光學精密工程;2013年07期

【相似文獻】

相關期刊論文 前10條

1 宋艷玲;;圖像超分辨重建技術研究現(xiàn)狀[J];科技創(chuàng)新導報;2012年09期

2 William F.Gabriel ,洪大光 ,李吉良;譜分析與自適應陣列的超分辨技術[J];系統(tǒng)工程與電子技術;1981年12期

3 劉志文,柯有安;一種基于模型的雷達超分辨方法[J];系統(tǒng)工程與電子技術;1993年12期

4 魏勁松,阮昊,施宏仁,干福熹;一種新的超分辨記錄點的讀出技術[J];光學學報;2003年05期

5 孟婕;丁志華;周琳;;光學相干層析成像軸向超分辨研究[J];光子學報;2008年03期

6 劉妍妍;張新;張建萍;;超分辨重建技術及其研究進展[J];中國光學與應用光學;2009年02期

7 韓軍;薛小樂;王星;;光電成像系統(tǒng)超分辨成像技術方法研究[J];應用光學;2011年01期

8 王繼良,段鳳增;最大熵法在高頻雷達角度超分辨中的應用[J];系統(tǒng)工程與電子技術;1993年10期

9 張鋒,王陽,徐文東,顧冬紅,干福熹;超分辨近場結構技術及其應用[J];光學技術;2003年05期

10 李金宗,黃建明,李冬冬;基于理想采樣的快速超分辨算法[J];哈爾濱工業(yè)大學學報;2005年06期

相關會議論文 前10條

1 喬延利;葉松;方黎;洪津;方勇華;荀毓龍;;超分辨空間外差光譜成像技術[A];第六屆成像光譜技術與應用研討會文集[C];2006年

2 于建強;袁景和;方曉紅;;超分辨多功能熒光顯微成像[A];中國化學會第29屆學術年會摘要集——第03分會：分析可視化及交叉學科新方法[C];2014年

3 李大勇;吳樂南;;特定條件下的圖像超分辨重建快速算法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

4 程曉東;曹軒;何彥;;超分辨等離激元散射光成像研究[A];第十七屆全國光散射學術會議摘要文集[C];2013年

5 朱明強;張國峰;李沖;龔文亮;嚴慧;;熒光分子開關用于超分辨光學成像[A];中國化學會第29屆學術年會摘要集——第21分會：光化學[C];2014年

6 鄒華;朱衛(wèi)華;嵇陽;吳建偉;;基于超分辨對衍射光斑的壓縮整形[A];魯豫贛黑蘇五省光學（激光）學會2011學術年會論文摘要集[C];2011年

7 陳薇;陳丹妮;齊t，

本文編號：1759494