共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
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。 相似文献
3.
4.
在基于邻域嵌入人脸图像的超分辨率重建算法中,训练和重建均在特征空间进行,因此,特征选择对算法性能具有较大影响。另外,算法模型对重建权重未加限定,导致负数权重出现而产生过拟合效应,使得重建人脸图像质量衰退。考虑到人脸图像的特征选择以及权重符号限定的重要作用,该文提出一种基于2维主成分分析(2D- PCA)特征描述的非负权重邻域嵌入人脸超分辨率重建算法。首先将人脸图像分成若干子块,利用K均值聚类获得图像子块的局部视觉基元,并利用得到的局部视觉基元对图像子块分类。然后,利用2D-PCA对每一类人脸图像子块提取特征,并建立高、低分辨率样本库。最后,在重建过程中使用新的非负权重求解方法求取权重。仿真实验结果表明,相比其他基于邻域嵌入人脸超分辨率重建方法,所提算法可有效提高权重的稳定性,减少过拟合效应,其重建人脸图像具有较好的主客观质量。 相似文献
5.
6.
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
7.
为了更好地解决基于学习的超分辨率算法的邻域嵌入问题,提出了一种使用k最近邻和平衡二叉树的邻域嵌入算法,该算法分为训练阶段和测试阶段.训练阶段,构建HR图像块、LR图像块的映射和平衡二叉树.测试阶段,首先将输入的去噪LR图像分离高频成分;然后训练LR特征空间,利用k最近邻寻找LR图像对应的HR图像块;最后通过高斯加权重建HR图像块,并与先前分离的高频成分合并.实验采用峰值信噪比(PSNR)、结构相似性度量(SSIM)和特征相似性度量(FSIM)评估算法的效果.从实验数据可以看出,提出的算法具有最高的PSNR值,SSIM值和FSIM值在大多数情况下高于其他算法,SSIM最高可达0.95,FSIM最高可达0.94.从实验结果图像可以看出,该算法的纹理保留得最好,图像自然丰富.此外,实验结果表明,该算法对高斯模糊和高斯噪声的鲁棒性也优于其他算法. 相似文献
8.
在重建空间数据时,如果条件数据较少甚至没有任何条件数据,重建结果常常出现较多的不确定性,此时适合采用基于统计原理的随机模拟方法重建空间数据.多点信息统计法(Multiple-Point Statistics,MPS)是目前随机模拟的主流方法,它可以将训练图像中提取的本质特征复制到重建区域.由于传统采用线性降维的MPS无法较好处理非线性数据,而局部线性嵌入(Locally Linear Embedding,LLE)可以实现对非线性数据的降维,因此提出LLE与MPS相结合的空间数据不确定性重建方法.利用该方法对图像数据进行重建实验,实验结果证明该方法的有效性. 相似文献
9.
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. 相似文献