自适应邻域选取的邻域嵌入超分辨率重建算法

在邻域嵌入超分辨率重建算法中,训练和重建过程均在特征空间进行的,因此,特征选择对算法的性能具有较大的影响。另外,大多数基于邻域嵌入算法对训练得到的样本库未经测试直接使用,使得邻域选择具有“盲目”性。考虑到特征选择的重要性以及避免邻域选择的盲目性,本文提出了一种新的邻域嵌入超分辨率重建算法。第一步:利用专家矢量场模型估计出输入图像的全局图像;第二步:利用邻域嵌入算法重建残差图像。在重建残差图像的过程中,首先将图像分成若干子块并利用线性滤波器提取特征;然后,将训练图像分成两组,第一组训练得到高、低分辨率重建样本库,第二组对重建样本库测试,得到邻域选择库;最后,自适应的选择输入图像子块的邻域数目,并利用重建样本库重建。仿真实验结果表明,相比其他基于邻域嵌入算法,提出算法可以重建更多的细节信息和锐利的边缘,重建得到的高分辨率图像具有较高的主客观质量。      

相似图像块逼近的人脸超分重建残差补偿框架

为了提高人脸图像超分辨率重建算法中残差补偿步骤的效果,提出一种通用的基于内容相似图像块线性组合逼近的残差补偿框架,不经过搜索步骤,使用训练集人脸图像同一内容的图像块来进行运算。所提框架中的全局重建步骤,可以使用不同的重建方法。实验结果表明,在这种框架下的残差补偿方法,相比经典的邻域嵌入残差补偿方法,可以更好地恢复出初步重建的人脸图像细节信息。因为这是一种通用的残差补偿方法,从而可以推测凡使用邻域残差补偿的算法,均可借助本算法框架将重建结果进一步的提升。     

基于改进邻域嵌入和结构自相似性的超分辨率重建方法

现有的基于压缩感知的超分辨率重建模型需要对 高分辨率图像进行初始估计,而初始估计的准确与 否直接影响图像重建的质量与迭代次数。针对此问题,本文引入非局部均值正则项以改进邻 域嵌入方法, 从而获得更加准确的高频初始估计;同时利用低分辨率图像的局部自相似性和多尺度结构相 似性构建约 束项,从而提出了一种基于改进的邻域嵌入和结构自相似性的超分辨率重建方法,充分结合 两者的优势, 增强了先验估计的表达能力。实验结果表明,相较于现有算法,本文提出的算法在客观评价 指标和主观视觉质量上均有显著提高。     

一种邻域嵌入超分辨率算法北大核心CSCD

邻域嵌入算法是一种基于学习的超分辨率算法,但是存在图像特征计算复杂和分类搜索难度大的问题.本文提出了一种基于二阶梯度比例特征的邻域嵌入超分辨率算法,其图像特征简单,分类和搜索复杂度低,同时图像库存储量小,适合于硬件实现.实验结果表明,与传统超分辨率算法相比,本文算法重建的高分辨率图像具有更丰富的纹理和更锐利的边缘,具有更好的主客观质量.     

基于边缘方向扩散系数正则化的文本图像超分辨率算法

针对文档图像超分辨率重建问题,根据传统双边全变差(BTV)超分辨率算法,提出一种自适应约束的BTV正则化文档图像超分辨率算法。该算法通过引入一个图像的局部邻域残差均值,以区分当前像素点属于平滑区域还是边缘区域,然后利用垂直边缘方向和边缘方向扩散性的不同,产生自适应权重矩阵。最后通过代价函数求出迭代公式,最终实现文本图像的超分辨率重建。与相关的文档图像超分辨率方法相比较,提出的方法在视觉图像质量和字符识别精度方面均得到了显著的改善。     

基于多尺度自相似性和非局部均值的单幅图像超分辨率方法

提出了一种基于多尺度局部自相似性和非局部均值的单幅图像超分辨率算法,该算法不依赖于外界图像,仅仅在原始图像的局部子窗口中搜索目标图像块的相似子块,利用非局部均值算法对相似子块进行加权求和来估计待复原图像,然后在复原图像上叠加最相似子块的高频细节图像,获得高分辨率图像。实验结果表明,本文算法不仅能很好地重构图像的高频细节,还能很好地恢复图像的纹理特征。     

改进的基于邻域嵌入的图像超分辨率重构

为了提高传统的基于邻域嵌入的图像超分辨率重构算法的时间效率,采用了一种利用图像块方向信息进行邻域选择和训练集分类的新方法。该方法首先利用图像块方向的不同对训练集进行分类,然后在分类后的子训练集中选择与待重构图像块的方向相似的图像块作为邻域进行重构,并对重构结果进行迭代反投影全局后处理,进一步提高重构质量,最后对改进方法进行数值实验验证。结果表明,该方法不仅把超分辨率重构的时间效率提高了10倍以上,而且重构质量也得到了改善,具有较好的实际应用价值。     

数学形态学与幻想脸重建

提出了基于数学形态学的幻想脸重建算法,设计了表达图像特征的张量结构,介绍了幻想脸的重建步骤.算法首先将待重建图像的整体特征按区域分块形成特征模板,然后用这些特征模板在低频特征集中搜索特征距离最小的邻域,最后把该邻域对应的高频信息通过最优化的线性组合分块实现人脸图像的超分辨率重建.实验结果表明,该算法获得的图像视觉效果明显改善,峰值信噪比(PSNR)高于其它算法2.6 dB以上.     

多级FFD融合超分辨率重建的视频人脸识别

针对视频人脸识别中由于人脸畸变、表情变化等非刚性变化导致无法精确配准和重建的问题,提出一种基于多级自由变形配准的超分辨率重建算法。首先,利用低分辨率FFD网格全局配准,引入边缘配准度量到差平方总和准则;然后,将全局配准后的图像和基准图像划分成一系列对应子图对,使用高分辨率FFD网格对相关系数小的子图对进行局部配准;最后,采用凸集投影算法对多帧低分辨率图像重建SR人脸图像,并利用支持向量机分类器完成人脸识别。在标准视频库Choke Point和自己搜集的人脸视频库上的实验结果表明,在人脸畸变和表情变化很大的情况下,本文算法也能够精确配准和重建人脸图像,相比其它几种视频人脸识别算法,本文算法取得了更好的识别效果。     

图约束字典和加权稀疏表示人脸超分辨率算法

针对低分辨率、低质量人脸图像重建问题,提出了一种新的基于稀疏表示的人脸超分辨率算法。在训练阶段,人脸的位置特征被用于保持人脸块的全局信息,人脸块间的几何结构被用于保持高低分辨率超完备冗余字典的流形结构,从而提高字典的表达能力;在重建阶段,K近邻加权稀疏表示被用于消除稀疏编码噪声,以提高高分辨率人脸图像重建系数的精度。实验结果表明,提出的方法取得了较好的主客观质量。     

Single face hallucination via local neighbor patches

Based on learning neighborhood patches a new single face hallucination method is proposed in this paper. In the proposed method, each input low-resolution (LR) position-patch and all patches in a local window centered at the same position of training images are used to hallucinate a high-resolution (HR) face patch, meanwhile two local similarity measurements between each input LR patch and all local LR and HR neighborhood patches of training images are computed to constrain the hallucination. Additionally, a residue image is estimated for the further improvement of the reconstructed result. Experimental results show that the proposed method can obtain superior or competitive results.     

Image super-resolution with sparse neighbor embedding

Until now, neighbor-embedding-based (NE) algorithms for super-resolution (SR) have carried out two independent processes to synthesize high-resolution (HR) image patches. In the first process, neighbor search is performed using the Euclidean distance metric, and in the second process, the optimal weights are determined by solving a constrained least squares problem. However, the separate processes are not optimal. In this paper, we propose a sparse neighbor selection scheme for SR reconstruction. We first predetermine a larger number of neighbors as potential candidates and develop an extended Robust-SL0 algorithm to simultaneously find the neighbors and to solve the reconstruction weights. Recognizing that the k-nearest neighbor (k-NN) for reconstruction should have similar local geometric structures based on clustering, we employ a local statistical feature, namely histograms of oriented gradients (HoG) of low-resolution (LR) image patches, to perform such clustering. By conveying local structural information of HoG in the synthesis stage, the k-NN of each LR input patch is adaptively chosen from their associated subset, which significantly improves the speed of synthesizing the HR image while preserving the quality of reconstruction. Experimental results suggest that the proposed method can achieve competitive SR quality compared with other state-of-the-art baselines.     

Ridge-based vessel segmentation in color images of the retina

A method is presented for automated segmentation of vessels in two-dimensional color images of the retina. This method can be used in computer analyses of retinal images, e.g., in automated screening for diabetic retinopathy. The system is based on extraction of image ridges, which coincide approximately with vessel centerlines. The ridges are used to compose primitives in the form of line elements. With the line elements an image is partitioned into patches by assigning each image pixel to the closest line element. Every line element constitutes a local coordinate frame for its corresponding patch. For every pixel, feature vectors are computed that make use of properties of the patches and the line elements. The feature vectors are classified using a kappaNN-classifier and sequential forward feature selection. The algorithm was tested on a database consisting of 40 manually labeled images. The method achieves an area under the receiver operating characteristic curve of 0.952. The method is compared with two recently published rule-based methods of Hoover et al. and Jiang et al. The results show that our method is significantly better than the two rule-based methods (p < 0.01). The accuracy of our method is 0.944 versus 0.947 for a second observer.     

Multi-patch embedding canonical correlation analysis for multi-view feature learning

Locality-based feature learning for multi-view data has received intensive attention recently. As a result of only considering single-category local neighbor relationships, most of such the learning methods are difficult to well reveal intrinsic geometric structure information of raw high-dimensional data. To solve the problem, we propose a novel supervised multi-view correlation feature learning algorithm based on multi-category local neighbor relationships, called multi-patch embedding canonical correlation analysis (MPECCA). Our algorithm not only employs multiple local patches of each raw data to better capture the intrinsic geometric structure information, but also makes intraclass correlation features as close as possible by minimizing intraclass scatter of each view. Extensive experimental results on several real-world image datasets have demonstrated the effectiveness of our algorithm.     

基于LLE与Fisher线性判别的人脸识别算法

为了提高基于流形学习理论人脸识别算法的识别率,采用一种将非线性降维与Fisher线性判别相结合的方法。首先利用邻域嵌入算法,将人脸图像测试和训练集的维数降低到合适维度,然后使用Fisher线性判别进行人脸数据集特征的提取,最后将测试集人脸图像特征和训练集人脸图像特征,使用最近邻分类器进行分类。在公开的Olivettifaces和ORL人脸图像数据库上,分别将该算法与几种经典基于流形学习理论的人脸识别算法进行了对比实验,实验结果表明当近邻数比较大时本算法识别率是最高的。     

一种基于匹配学习的人脸图像超分辨率算法

针对现有基于样本学习的人脸超分辨率算法对人脸图像采用全局搜索,存在非局部误匹配且复原图像视觉效果不佳等问题,提出了一种新的基于匹配学习的人脸图像超分辨率算法。首先根据输入图像预分类得到一个样本子类库,并构建相应的特征图像。在匹配过程中,针对不同人脸图像,采用2种新的搜索策略,考虑了图像块之间的相似性和一致性,使复原图像看起来更加连贯自然。实验结果表明,与其他方法相比,本文算法生成的高分辨率人脸图像获得了更好的视觉效果和更高的平均峰值信噪比,具有很好的实用价值。     

基于随机非负独立元分析的掌纹识别

提出运用随机非负独立元分析（SN—ICA）的新方法进行掌纹识别。为了减少计算量,运用SN-ICA算法前,先采用主元分析（PCA）算法去除掌纹图像的二阶统计特征相关性,其余的高阶非负统计特征由SN-ICA分离。首先用PCA和SN-ICA提取投影向量,然后将训练图像和待识别图像向投影向量上投影得到低维特征向量,最后计算特征...     

基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换（SIFT）的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题，提出了一种改进的非线性尺度构建的SIFT算法，主要改进在于：在尺度空间构建阶段，该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔，在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果；在特征检测阶段，提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法，有效地抑制SAR图像中的虚假特征点，并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验，并与其他2种基于SIFT的方法相比较，实验结果表明，该算法在匹配精度和内联点比率方面可以实现更好的性能。