共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
本文针对POCS超分辨率算法降噪能力差的缺陷,对含噪图像首先利用小波技术进行去噪预处理,然后再用POCS算法复原。实验证明,本文提出的方法对低信噪比序列图像的超分辨率复原有很好的复原效果,并且对各种噪声处理基本有效。 相似文献
3.
4.
基于深度学习的图像超分辨率复原研究进展 总被引:7,自引:0,他引:7
图像超分辨率复原(Super resolution restoration,SR)技术是图像处理领域的研究热点,在视频监控、图像处理、刑侦分析等领域具有广泛的应用需求.近年来,深度学习在多媒体处理领域迅猛发展,基于深度学习的图像超分辨率复原技术已逐渐成为主流技术.本文主要对现有基于深度学习的图像超分辨率复原工作进行综述.从网络类型、网络结构、训练方法等方面分析现有技术的优势与不足,对其发展脉络进行梳理.在此基础上,本文进一步指出了基于深度学习的图像超分辨率复原技术的未来发展方向. 相似文献
5.
6.
7.
相对于低分辨率图像,高分辨率图像需要增加的像素数目更多,且需要增加高频信息以提升图像的清晰度,当图像目标与背景之间对比度较大时,图像高频细节信息复原难度较高。为此,提出基于改进机器学习的超分辨率图像细节复原方法。对图像去噪,并结合采用双边滤波方法实现图像的对比度增强;利用改进字典的机器学习算法建立双层字典,结合稀疏表示算法获取一层的粗略复原图像;通过二层字典计算一层复原图像与原始图像之间的差值,建立高分辨率样本,并对其开展二层字典训练,通过训练结构实现超分辨率图像的细节复原。实验结果表明,研究方法应用下峰值信噪比可保持在20dB以上,细节复原均方差低于4×10-3,结构相似性指标更高,高分辨率图像的训练效果更好,特征对比明显,细节信息突出。 相似文献
8.
超分辨率复原技术的发展 总被引:18,自引:0,他引:18
超分辨率原复技术就是由一序列低分辨率变形图像来估计一幅(或一序列)较高分辩率的非变形图像,同时还能够消除加性噪声以及由有限检测器尺寸和光学元件产生的模糊,它是图像融合领域中的一个重要分支。这项技术广泛应用于遥感,医学成像和高清晰度电视等多个领域,2人超分辨率复原的含义,应用场合,技术种类和未来研究展望等多个方面,对超分辨率复原领域的发展进行了论述。 相似文献
9.
基于并行遗传算法的图像超分辨率复原 总被引:7,自引:2,他引:7
图像超分辨率复原技术,提供了一种利用低分辨率像机获取高分辨率图像的可能途径。图像超分辨率复原有频域方法和空域方法两类:其中频域方法主要基于频谱解混叠;空域方法又分迭代反投影方法、凸集投影方法、Bayesian估计方法等。为了提高图像超分辨率复原的效率和提高复原图像的质量,提出了一种基于并行遗传算法的图像(序列)超分辨率复原的新框架方法,由于遗传算法采用实值编码方式,且基于岛模型的并行机制也有利于多帧图像信息的融合,因而使得算法直观和高效;同时提出采用其他超分辨率复原方法的迭代形式来充当遗传算法的变异算子,因为它能有效地利用已有方法的优点。最后,借用图像复原的客观评价指标来评价超分辨率复原算法的效果。实验证明,该方法有效可行。 相似文献
10.
11.
在图像超分辨方法中,经典插值方法存在块状效应和图像模糊的情况,而以经典插值方法为基础,用偏微分方程进行后处理的方法则较为复杂。运用各向同性方程与各向异性方程进行耦合得到了一个新的偏微分方程模型,用该模型对图像进行超分辨处理,既降低了计算复杂度,又能保证得到较好的图像超分辨效果。实验结果表明了本文方法的优越性。视觉感知具有良好的一致性。 相似文献
12.
一种基于偏微分方程的图像平滑技术 总被引:2,自引:0,他引:2
图像平滑是大多数图像分析和计算机视觉问题中必需的环节。文中探讨了噪声图像的噪声抑制方法,利用了基于偏微分方程的平滑技术。该方法的优点在于可以在消除噪声的同时有效地保持空间分辨率。最后采用数据验证了方法的有效性。 相似文献
13.
14.
15.
偏微分方程(PDE)已成为图像处理与分析中的重要工具。而数字图像处理的一个基本内容是图像放大,即从低分辨率图像获得高分辨率图像的图像处理技术。通过两种泛函模型,利用变分的思想,提出了基于TV-norm (total variation norm)插值模型和四阶偏微分方程插值模型的图像放大算法。通过仿真实验结果及均方误差(MSE)和峰值信噪比(PSNR)两种评价准则说明了该算法的有效性和可行性。 相似文献
16.
基于最大后验概率和鲁棒估计的图像恢复推广变分模型 总被引:1,自引:0,他引:1
基于最大后验概率和MRF理论的图像恢复描述框架,提出一个面向图像恢复的推广变分模型.模型中将噪声建模为广义正态分布,利用最大似然法估计形状参数自动选择合适的范数作为数据保真项;将图像梯度场的分布建模为混合密度类,利用鲁棒估计理论构造一个耦合全变差积分和Dirichlet积分的图像先验模型作为正则化项.利用推广泛函的凸性,讨论了该推广模型的最优解存在性.最后提出结合梯度加权最速下降和半点格式的数值迭代算法.实验结果表明,推广模型能自动区分污染图像中的噪声分布特性,对于高斯噪声和脉冲噪声的污染图像都能取得很好的恢复效果.通过计算峰值信噪比和边缘保护指数,分析和评价了推广模型与目前其他变分方法的性能. 相似文献
17.
借助矩形NAM图像表示方法和偏微分方程技术,提出一种新的灰度图像压缩方法.该方法在编码端把原始图像逆布局为若干矩形子块,并采用坐标压缩方法存储每个子块的位置、大小.在解码端,采用偏微分方程进行图像修复,有效消除解码图像中的方块效应.该方法的时间复杂度为 ,其中n为灰度图像像素数.实验表明:在保持图像质量的前提下,该方法具有更高的压缩比和更少的块数,具有较高实用价值. 相似文献
18.
目前常用的遥感影像融合方法大都从离散角度出发,一定程度上失去图像本身的物理意义,得到图像的质量不高。本文从连续图像出发,将二阶偏微分算子应用于影像函数,利用多重网格算子能得到近似影像的性质,得出一种多分辨影像分解的方法,经过图像重建过程得到融合影像。试验表明本融合方法可应用于遥感影像融合。 相似文献
19.
图像超分辨率重建旨在依据低分辨率图像重建出接近真实的高分辨率图像,现有基于卷积神经网络的图像超分辨率重建方法存在网络参数量大、重建速度慢等问题,从而限制其在内存资源小的终端设备上的应用。提出一种基于深度可分离卷积的轻量级图像超分辨率重建网络,利用深度可分离卷积提取图像的特征信息,减少网络的参数量,采用对比度感知通道注意力机制获取图像的对比度信息,并将其作为全局信息,同时对提取特征的不同通道权重进行重新分配,增强重建图像的细节纹理信息。在此基础上,采用亚像素卷积对图像特征进行上采样操作,提高整体重建图像质量。实验结果表明,当放大倍数为2、3和4时,该网络的参数量分别为140 000、147 000和152 000,重建时间为0.020 s、0.014 s和0.011 s,相比VDSR、RFDN、IDN等网络,在保证重建效果的前提下能够有效减少网络参数量。 相似文献