检索结果

Select

1. 基于多字典学习和图像块映射的超分辨率重建

莫建文, 曾儿孟, 张彤, 袁华

计算机应用 2016, 36 (5): 1394-1398. DOI: 10.11772/j.issn.1001-9081.2016.05.1394

摘要（495）

PDF （960KB）（372）

针对单一冗余字典在稀疏表示图像超分辨率重建结果出现不清晰、伪影以及重建过程编码效率不高、运算时间过长的问题,提出一种基于多字典学习和图像块映射的超分辨率重建方法。该方法在传统稀疏表示的框架下,首先探索局部图像块的梯度结构信息,按梯度角度将训练样本块分类;然后为每个子类样本集学习高低分辨率字典对,再结合最近邻思想应用生成的字典,为每个子类计算从低分辨率块到高分辨率块映射的函数;最后将重建过程简化为输入块和映射函数的乘积,在保证提高重建质量的同时减少了图像重建的时间。实验结果表明,所提算法在视觉效果有较大的提升,同时与锚点邻域回归算法相比,评价参数峰值信噪比(PSNR)平均提高约0.4 dB。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于非下采样Shearlet变换与聚焦区域检测的多聚焦图像融合算法

欧阳宁, 邹宁, 张彤, 陈利霞

计算机应用 2015, 35 (2): 490-494. DOI: 10.11772/j.issn.1001-9081.2015.02.0490

摘要（710）

PDF （861KB）（407）

为了提高基于多尺度变换的多聚焦图像融合中聚焦区域的准确性,提出了一种基于非下采样Shearlet变换(NSST)与聚焦区域检测的多聚焦图像融合算法。首先,通过基于非下采样Shearlet变换的融合方法得到初始融合图像;其次,将初始融合图像与源多聚焦图像作比较,得到初始聚焦区域;接着,利用形态学开闭运算对初始聚焦区域进行修正;最后,在修正的聚焦区域上通过改进的脉冲耦合神经网络(IPCNN)获得融合图像。与经典的基于小波变换、Shearlet变换的融合方法以及当前流行的基于NSST和脉冲耦合神经网络(PCNN)的融合方法相比,所提算法在客观评价指标互信息(MI)、空间频率和转移的边缘信息上均有明显的提高。实验结果表明,所提出的算法能更准确地识别出源图像中的聚焦区域,能从源图像中提取出更多的清晰信息到融合图像。

参考文献 | 相关文章 | 多维度评价

Select

3. 无线传感器网络中同步补偿机制的研究与应用

陈乔张毅坤杨凯峰张彤夏辉

计算机应用 2010, 30 (4): 892-894.

摘要（1531）

PDF （786KB）（1273）

在由事件触发、部分节点同步的无线传感器网络应用中，传统时间同步算法周期性全网同步存在不必要的能耗问题。通过分析现有的时间同步机制，提出一种基于事件触发的时间同步补偿算法，该算法通过分别统计出沿途的累计处理时延并补偿传输延时的方式实现部分节点同步。实验结果表明，在兴趣节点数量较少和事件发生频率较低的情况下该算法具有良好的同步效果和节能性。