检索结果

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）

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）

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

Select

3. 基于X射线图像的厚钢管焊缝中气孔缺陷的自动检测

陈本智, 方志宏, 夏勇, 张灵, 兰守忍, 王利生

计算机应用 2017, 37 (3): 849-853. DOI: 10.11772/j.issn.1001-9081.2017.03.849

摘要（645）

PDF （866KB）（548）

由于厚钢管X射线图像强度分布不均匀，对比度低、噪声大，且气孔缺陷的大小、形状、位置、对比度各异，使得自动检测各种类型的气孔较为困难。针对传统缺陷检测算法中手工标记缺陷数据工作量大，焊缝边缘难以准确提取等问题，提出一种新的无监督学习的各种气孔缺陷检测算法。首先，采用快速独立分量分析从钢管X射线图像集合中学习一组独立基底，并用该基底的线性组合来选择性重构带气孔缺陷的测试图像；随后，测试图像与其重构图像相减获得差异图像，通过全局阈值从差异图像中将各种气孔分割出来。实验的训练集有320幅，测试集有60幅图像，所提算法检测结果的平均敏感性和准确率为90.5%和99.7%。实验结果表明，该算法无需手工标记数据或提取焊缝边缘，可准确检测各种气孔缺陷。

参考文献 | 相关文章 | 多维度评价