Toggle navigation
首页
期刊介绍
期刊简介
历史沿革
收录情况
获奖情况
引用指标
编委会
期刊在线
文章推荐
过刊浏览
专辑专刊
下载排行
阅读排行
投稿指南
组稿方向
投稿须知
论文模板
常见问题
署名变更申请
单位变更申请
版权转让协议
中图分类号
引言书写要求
参考文献著录格式
插图与表格规范
英文摘要书写要求
收费标准
学术诚信
联系我们
编辑部联系方式
位置示意图
期刊订阅办法
广告合作
English
期刊
出版年
关键词
结果中检索
(((姬秋敏[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
1.
基于结构自相似性和形变块特征的单幅图像超分辨率算法
向文, 张灵, 陈云华, 姬秋敏
计算机应用 2019, 39 (
1
): 275-280. DOI:
10.11772/j.issn.1001-9081.2018061230
摘要
(
349
)
PDF
(1016KB)(
281
)
可视化
收藏
针对单幅图像超分辨率(SR)复原样本资源不足和抗噪性差的问题,提出一种基于结构自相似和形变块特征的单幅图像超分辨率算法。首先,该方法通过构建尺度模型,尽可能地扩展搜索空间,克服单幅图像超分辨率训练样本不足的缺陷;接着,通过样例块的几何形变提升了局限性的内部字典大小;最后,为了提升重建图片的抗噪性,利用组稀疏学习字典来重建图像。实验结果表明:与Bicubic、稀疏字典学习(ScSR)算法和基于卷积神经网络的超分辨率(SRCNN)等优秀字典学习算法相比,所提算法可以得到主观视觉效果更为清晰和客观评价更高的超分辨率图像,峰值信噪比(PSNR)平均约提升了0.35 dB。另外所提算法通过几何形变的方式扩展了字典规模和搜索的准确性,在算法时间消耗上平均约减少了80 s。
参考文献
|
相关文章
|
多维度评价
Select
2.
结合结构自相似性和卷积网络的单幅图像超分辨率
向文, 张灵, 陈云华, 姬秋敏
计算机应用 2018, 38 (
3
): 854-858. DOI:
10.11772/j.issn.1001-9081.2017081920
摘要
(
390
)
PDF
(879KB)(
514
)
可视化
收藏
针对单幅图像超分辨率(SR)复原病态逆问题,在重建过程边缘细节丢失导致的模糊,提出一种结合结构自相似和卷积网络的单幅图像超分辨率算法。首先,通过将尺度分解获得待重构图片样本的自身结构相似性,结合外部数据库样本结合作为训练样本,可以解决样本过于分散的问题;其次,将样本输入卷积神经网络(CNN)进行训练学习,得到单幅图像超分辨率的先验知识;然后,利用非局部约束项自适应选择最优字典重建图像;最后,利用迭代反投影算法对图像超分辨率效果进一步提升。实验结果表明,与双三次插值(Bicubic)方法、
K-
SVD算法和基于卷积神经网络的图像超分辨率(SRCNN)方法等优秀算法相比,所提算法可以得到边缘更为清晰的超分辨率重建效果。
参考文献
|
相关文章
|
多维度评价