本文關(guān)鍵詞：基于圖像塊迭代和稀疏表示的超分辨率圖像重建算法

  更多相關(guān)文章： 稀疏表示 形態(tài)成分分析 字典學(xué)習(xí) K-奇異值分解 正交匹配追蹤

【摘要】：針對待復(fù)原圖像內(nèi)容間差異和重建速度緩慢的問題,提出基于圖像塊迭代分類和稀疏表示的超分辨率圖像重建算法。首先,根據(jù)閾值把圖像迭代分塊為三種不同形態(tài)。然后,對三種形態(tài)分別處理:在重建時,對4N×4N塊利用雙三次插值(BI)算法重建;對2N×2N塊由K-奇異值分解(K-SVD)算法得到對應(yīng)的高、低分辨率字典,通過正交匹配追蹤(OMP)算法重建;對N×N塊用形態(tài)成分分析(MCA)法分解為平滑層和紋理層,然后由各層相應(yīng)的字典對通過OMP算法重建。將所提方法與基于稀疏基的方法、基于MCA的方法和基于兩級與分頻帶字典的方法相比,所提算法在主觀視覺效果、評測指標和重建速度上都有明顯的改善。實驗結(jié)果表明,該方法在圖像的邊緣塊和不規(guī)則區(qū)域獲得了更為精細的細節(jié),重建效果更明顯。
【作者單位】： 天津工業(yè)大學(xué)電子與信息工程學(xué)院;
【關(guān)鍵詞】： 稀疏表示 形態(tài)成分分析 字典學(xué)習(xí) K-奇異值分解 正交匹配追蹤
【基金】：國家自然科學(xué)基金資助項目(61405144)~~
【分類號】：TP391.41
【正文快照】： 0引言圖像超分辨率是指利用一幅低分辨率(Low Resolution,LR)圖像或者圖像序列,重構(gòu)出具有高像素密度并且包含更多細節(jié)的高分辨率(High Resolution,HR)圖像。圖像超分辨率重建技術(shù)作為一種無需改善硬件設(shè)備,卻可顯著提高圖像質(zhì)量的方法,在視頻監(jiān)控、醫(yī)學(xué)成像、圖像壓縮、高清

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進展和展望[J];電子學(xué)報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負稀疏表示的人臉識別[J];計算機工程與設(shè)計;2012年05期

5 高志榮;熊承義;笪邦友;;改進的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 耿耀君;張軍英;袁細國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測度[J];模式識別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機工程與應(yīng)用;2013年05期

9 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 李小薪;稀疏表示的分段匹配尋蹤方法[D];華南理工大學(xué);2009年

7 何艷敏;稀疏表示在圖像壓縮和去噪中的應(yīng)用研究[D];電子科技大學(xué);2011年

8 宋相法;基于稀疏表示和集成學(xué)習(xí)的若干分類問題研究[D];西安電子科技大學(xué);2013年

9 匡金駿;基于稀疏表示的圖像分類與目標跟蹤研究[D];重慶大學(xué);2013年

10 李海山;基于稀疏表示理論的地震信號處理方法研究[D];中國石油大學(xué)（華東）;2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王道文;基于稀疏表示的目標跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號：587546