| 稀疏表示下的噪声图像超分辨率重构 |
| |
| 引用本文： | 韩玉兰,赵永平,王启松,陈欣欣,王晓飞. 稀疏表示下的噪声图像超分辨率重构[J]. 光学精密工程, 2017, 25(6): 1619-1626. DOI: 10.3788/OPE.20172506.1619 |
| |
| 作者姓名： | 韩玉兰 赵永平 王启松 陈欣欣 王晓飞 |
| |
| 作者单位： | 1. 哈尔滨工业大学 自动化测试及控制系, 黑龙江 哈尔滨 150000;2. 哈尔滨学院 工学院, 黑龙江 哈尔滨 150000;3. 黑龙江大学 电子工程学院, 黑龙江 哈尔滨 150081 |
| |
| 基金项目： | 国家重点研发计划资助项目（No.2016YFB0502502）；国家自然科学基金资助项目（No.61301012） |
| |
| 摘 要： | 为了能够完成噪声图像的超分辨率重构,提出了一种基于稀疏表示的噪声图像超分辨率重构方法,可以同时完成图像去噪和超分辨率重构。首先,对样本图像和低分辨率图像进行块划分,建立样本库。其次,建立图像退化模型,采用相似样本加权平均的方式对输出的高分辨率图像块进行表示。根据输入的低分辨率图像块,计算样本块与输出的高分辨率图像块之间的相似性。提出了一种相似性描述方法,能够很好地解决噪声带来的影响。然后,采用相似性对稀疏编码优化模型进行惩罚,提出一种权值求解模型。模型可以自适应的搜索相似样本块而不需要预先设定相似块的个数。最后,求解权值,根据权值和样本块重构高分辨率图像块,并重构高分辨率图像。实验结果表明:所提出的方法较其它常见超分辨率算法的峰值信噪比可提高0.5dB左右,重构的图像细节更丰富,去噪效果更好,更适合实际应用。
|
| 关 键 词： | 超分辨率 噪声图像 稀疏表示 权值模型 |
| 收稿时间： | 2016-07-18 |
Reconstruction of super resolution for noise image under the sparse representation |
| |
| HAN Yu-lan,ZHAO Yong-ping,WANG Qi-song,CHEN Xin-xin,WANG Xiao-fei. Reconstruction of super resolution for noise image under the sparse representation[J]. Optics and Precision Engineering, 2017, 25(6): 1619-1626. DOI: 10.3788/OPE.20172506.1619 |
| |
| Authors: | HAN Yu-lan ZHAO Yong-ping WANG Qi-song CHEN Xin-xin WANG Xiao-fei |
| |
| Affiliation: | 1. Department of Automatic Test and Control, Harbin Institute of Technology, Harbin 150000, China;2. Engineering College, Harbin University of Technology, Harbin 150000, China;3. College of Electronic Engineering, Heilongjiang University, Harbin 150081, China |
| |
| Abstract: | |
| |
| Keywords: | super resolution noise image sparse representation weight model |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《光学精密工程》浏览原始摘要信息 |
|
点击此处可从《光学精密工程》下载全文 |
|
