排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
由于煤矿井下特殊的环境导致井下图像一般比较模糊和边缘特征比较弱,而目前基于字典学习的图像超分辨率重建算法通常是将全部图像块利用训练的单一字典进行重建,忽视了各图像块之间的差异性,不利于重建边缘不清晰的矿井图像。结合矿井图像特征提出一种边缘融合的多字典超分辨率图像重建方法,该算法根据各图像块的梯度统计信息将图像块进行分类并训练对应的字典库,重建时将不同字典重建的图像块融合成完整的高分辨率图像;此外为了提高图像的边缘信息,预处理阶段低分辨率图像进行边缘融合以增强边缘特征,重建的高分辨率图像利用学习的先验知识进行边缘融合以修正重建过程中出现的误差。实验表明,该算法的重建效果优于其它基于字典学习的超分辨率图像重建方法,能够很好地重建图像的边缘细节,并抑制重建过程中产生的重影和振铃效应,平均PSNR值提高1.19 d B。 相似文献
2.
为了有效得评价模糊图像的质量分数,提出了一种基于显著性的无参考模糊图像质量评价方法.该方法首先通过改进的的显著值将图像分为显著块和非显著块,并舍弃非显著块;然后,根据模糊检测概率计算块的整体模糊,此外为了在评价过程中引入图像的结构细节信息,将标准差作为块的细节模糊;最后,对整体模糊和细节模糊进行几何融合得到块的质量分数,从而将人眼视觉信息与图像结构细节信息相融合,并利用改进的显著值对其所在的块进行加权,最终得到模糊图像质量评价方法.试验结果显示在LIVE、TID2013、CSIQ三大数据库上,该方法的评价效果都具有较好的准确性与预测性.该算法利用的图像信息相对比较全面,主要适用于纹理信息比较丰富的模糊图像. 相似文献
1