排序方式: 共有7条查询结果,搜索用时 15 毫秒
1
1.
2.
为了能够有效地重构出高分辨率图象,提出了一种基于小波域最小二乘法(LS)的图象超分辨率重构算法.该算法是利用多尺度边缘的自相似性,由低分辨率图象通过预测来得到高分辨率图象小波变换的3个高频通道,以实现图象超分辨率重构.由于该算法保持了图象边缘附近的几何正则性,因而能够重构出较高质量的图象.同时,由于小波系数的预测只在边缘处进行,因此该算法具有较小的计算复杂度.实验表明,该算法较好地实现了图象超分辨率重构. 相似文献
3.
基于小波域隐马尔可夫树模型的图像复原 总被引:12,自引:1,他引:11
从图像复原的Bayesian方法出发,提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法,小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性,由于小波域HMT模型准确刻画了自然图像小波变换的统计特性,该文算法以此作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解,同时,提出了一种规整化参数和HMT模型参数的自适应选择方法,实验结果表明,基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有明显的提高。 相似文献
4.
纹理分割是图象处理的基本问题之一.针对广泛的纹理图象,需要一个高效、鲁棒的分割方法,因此提出了一种基于纹理基元的纹理图象分割算法.首先,以Harr小波为变换工具,得到具有方向性的纹理子图象;然后给出了一种新的纹理基元提取方法,并在此基础上,应用统计方法和矢量场,对纹理区域进行由粗到细的分割.通过这种方法不仅可以对纹理图象进行分割,还可以对同一区域的纹理结构进行描述,从而有利于在这种分割方法基础上,进行更高层次的图象处理. 相似文献
5.
基于小波域HMT模型的图像超分辨率重构 总被引:12,自引:2,他引:12
小波域HMT模型采用混合高斯分布,并通过多尺度小波系数隐状态之间的Markov依赖性刻画自然图像小波系数随尺度减小呈指数衰减的特性.由于小波域HMT准确刻画了自然图像小波变换的统计特性,因此文中算法以此作为自然图像的先验模型,并把图像超分辨率问题表述为一个约束优化问题,采用Cycle-Spinning方法抑制重构出的高分辨率图像中可能存在的震铃和锯齿等失真,最后,进行了定量误差分析并给出了一些实验图像供主观评价。 相似文献
6.
提出了一种基于小波域隐马尔可夫树(HMT)模型的RGB彩色图像超分辨率算法。由于彩色图像3个通道之间具有的相关性,对3个通道分别进行独立的超分辨率重构会导致严重的色彩失真。为解决这个问题,首先通过自适应图像变换由彩色图像得到一幅能反映人类视觉感受的灰度图像;然后对此灰度图像进行超分辨率重构获得一幅高分辨率灰度图像;最后按照这一高分辨率灰度图像确定的小波系数后验状态概率对彩色图像的3个通道分别进行超分辨率重构从而获得一幅高分辨率彩色图像。由于该算法协调了彩色图像3个通道的超分辨率,因此重构出的高分辨率彩色图像避免了色彩失真。实验结果证明该算法重构出的高分辨率彩色图像具有较高的信噪比和非常好的视觉效果。 相似文献
7.
1