共查询到20条相似文献,搜索用时 62 毫秒
1.
高分辨率图像是人们一直追求的目标。超分辨率图像重建技术就是人们获取高分辨率图像的一种很重要的方法。本文分析了超分辨率图像重建的原理,总结了各种重建方法的特点,指出超分辨率图像重建的发展历史、应用场合和前景。 相似文献
2.
3.
4.
图像超分辨率重建算法综述 总被引:5,自引:1,他引:4
介绍了超分辨率重建的基本原理与数学模型,对现有的图像超分辨率重建算法进行了总结.将当前的超分辨率算法分为基于重建约束的方法和基于学习的方法两大类,分别阐述了超分辨率重建技术的经典方法,最后指出了低质量图像超分辨率技术进一步的研究方向. 相似文献
5.
6.
图像超分辨率重建(Super-resolution Reconstruction,SR)是由一张或多张低分辨率图像得到高分辨率图像的过程.近年来,SR技术不断发展,在许多领域被广泛应用.本文在回顾SR技术发展历史的基础上,全面综述了SR技术在各个时期的代表性方法,重点介绍了基于深度学习的图像超分辨率工作.我们从模型类型、网络结构、信息传递方式等方面对各种算法进行了详细评述,并对比了其优缺点.最后探讨了图像超分辨率技术未来的发展方向. 相似文献
7.
8.
9.
10.
通过无人机激光雷达技术获取遥感图像的过程中易受外界干扰,出现图像清晰度低、细节信息模糊等问题,提出无人机激光雷达遥感图像超分辨率重建方法。在最小二乘滤波方法的协助下对无人机激光雷达遥感图像进行多尺度分解后,增强遥感图像纹理信息,并利用图像局部特征自适应融合方法对遥感图像进行融合处理,将预处理后的遥感图像超分辨率重建视作信息测量值的信号重建问题,不断地利用稀疏系数以及联合字典学习法训练得出最终结果,从而实现遥感图像超分辨率重建。实验结果表明,所提方法的遥感图像重构效果好、信息融合质量优、重构图像效率高以及MSE均方根误差低。 相似文献
11.
针对传统超分辨率图像重建算法速度慢的缺点,提 出了一种基于自适应各向异性正则化的快速超分辨率图像重建算法。本文 算法兼顾重建图像质量的同时,提升了图形的重建速度。基于传统迭代算法,本文算法通过 优化约束条件,大量剔除了冗余过程, 弥补了传统算法的不足;同时引入一种具有自适应能力的各向异性平滑项,可以适应各种 复杂的运动模型。另外,提出 以图像的峰值信噪比(PSNR)为标准,作为重建迭代的截止 条件。运 用本文算法对序列低分辨率图像进行重建,证明了本文算法可以更快实现超分辨率图像重 建。 相似文献
12.
基于超完备稀疏表示理论,并根据人脸图像的特征,提出一种基于局部约束的人脸图像超分辨率重构算法。该算法首先通过样本训练出一对高、低分辨率相关联的冗余字典;再根据局部范围内人脸图像的相关性,重构出高分辨率图像;最后对图像进行全局优化。为验证算法的有效性,本文利用ORL标准图像库进行了对比实验,实验结果表明,该算法能够有效提高峰值信噪比,同时能够更好地恢复人脸图像的高频信息,有一定的实用价值。 相似文献
13.
14.
15.
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。 相似文献
16.
17.
在铜带表面缺陷检测系统中,针对仅硬件改善缺 陷图像精细特征信息,受制造水平、成本等因素制 约以及传统超分辨复原方法实时性不强等问题,提出一种基于粗糙集(RS) 与纹理特征预分类的快速超分辨率(SR)图像复原方法。本文方法利用RS属性约简原理,选择并优化对弱纹理缺陷目标 描述性较好统计特 征参数,并在匹配搜索时根据纹理特征对样本库进行预搜索分类,然后在分类得到的纹理内 容相近的样本 子集中对输入的低分辨率(LR)样本块精确匹配搜索。理论和实验结果表明:本文方法应用 于铜带缺陷在线 检测系统中,可使缺陷区域的高频信息增强、边缘和细节更加清晰,且算法实时性较好,在 兼顾图像复原质量和运行效率上具有优越性和可行性;并可用于其它金属表面的图像复原。 相似文献
18.
基于深度学习的真实图像超分辨率(super-resolution, SR)重建算法目前存在参数量过大的问题,为解决该问题,提出了一种多尺度残差特征融合的轻量级真实图像SR重建算法。首先利用深度可分离卷积和复用卷积针对多尺度特征提取块进行改进,在提取特多尺度特征的同时实现了模块的轻量化,参数量仅为改进前的7.5%。其次使用残差特征融合操作将4个多尺度深度可分离特征提取块(multi-scale depthwise separable block, MSDSB)聚合成一个残差特征融合块,以减少残差路径长度。然后使用增强型注意力模块从通道和空间维度进行自适应调整以提升算法性能。最后使用自适应上采样模块获得SR重建图像。在消融实验中,本文算法重建性能超过原始算法,且参数量仅为3.53×106,是原始算法的34.5%。在对比实验中,其重建性能超过了当前主流算法,与组件分而治之(component divide-and-conquer, CDC)算法相比,PSNR和SSIM指标分别提升了0.01 dB与0.001 0,且参数量仅为组件CDC算法的8.84%,在保证重建性能的同... 相似文献
19.
20.