基于局部自相似性和奇异值分解的超采样图像细节增强

发布时间：2017-10-31 18:01

  本文关键词：基于局部自相似性和奇异值分解的超采样图像细节增强

  更多相关文章： 超采样 细节增强 奇异值分解 局部自相似性 块匹配 计算机视觉

【摘要】：基于局部自相似性的图像超分辨率算法中存在面块或线条现象,导致图像纹理不自然,细节信息丢失严重,针对这个问题,文中提出了一种基于局部自相似性和奇异值阈值化的细节增强图像超分辨率算法.在通过轮廓模板插值得到初始超分辨率图像的基础上,利用奇异值分解及阈值化去噪提高局部自相似性提取高频信息的准确性,解决伪高频噪声成分造成的面块或线条痕迹.该细节增强超分辨率算法主要分为4个部分,即初始插值、块匹配搜索、奇异值阈值、细节合成.首先选取Pascal的轮廓模板插值算法得到初始超分辨率图像,该算法在保持插值图像整体轮廓和细节等方面都有着很好的效果优势.块匹配搜索部分,文中算法由初始超分辨率图像和原始低分辨率图像分别提供参考块和学习块,在单一尺度上进行匹配,更多地利用了原始图像的信息,复杂度也更低,即利用原始低分辨率图像的局部自相似性提供先验知识,进行块匹配学习,找到初始超分辨率图像块在原始低分辨率图像块中的最佳匹配块,提取出最佳匹配块的高频信息;然后利用奇异值分解将高频信息矩阵分解到两个正交子空间中,并选取合适的阈值对奇异值矩阵进行软阈值化处理,剔除高频成分中能量较小的伪高频噪声成分,得到更为准确的高频细节信息.最后为得到最终超分辨率图像,有效地实现超分辨率图像的细节增强,利用有效奇异值对应的奇异值矢量重构高频图像块矩阵,并在初始超分辨率图像上进行细节合成.合成过程中,选择中心对称的高斯函数对图像块进行加窗处理,以抑制分块重叠带来的重叠区影响.实验结果数据表明,文中算法不但能明显解决由于伪高频成分导致的面块或线条现象,重建出的图像纹理细节更真实丰富,纹理结构和边缘特征的清晰度和对比度较高,得到的高分辨率图像视觉效果也更好.而且文中算法具有较强的拓展性,可以对多种超采样算法进行细节增强,增强后的图像清晰度和边缘锐度明显得到提高,细节纹理信息更加丰富,客观指标也得到较大幅度的提高.
【作者单位】： 武汉大学电子信息学院;武汉大学测绘遥感信息工程国家重点实验室;
【关键词】： 超采样 细节增强 奇异值分解 局部自相似性 块匹配 计算机视觉
【基金】：国家自然科学基金(61471272) 国家留学基金 广东省自然科学基金(2014A030310169)资助
【分类号】：TP391.41
【正文快照】：

【参考文献】

中国期刊全文数据库 前5条

1 ZHANG YongQin;XIAO JinSheng;LI ShuHong;SHI CaiYun;XIE GuoXi;;Learning block-structured incoherent dictionaries for sparse representation[J];Science China(Information Sciences);2015年10期

2 肖进胜;饶天宇;贾茜;唐路敏;岳显昌;;改进的自适应冲击滤波图像超分辨率插值算法[J];计算机学报;2015年06期

3 肖进胜;杜康华;涂超平;雷俊锋;钱超;;基于相控高斯核的多聚焦图像景深模拟[J];光学学报;2014年10期

4 吴炜;郑成林;张莹莹;周寿桓;;广义非局部均值和自相似性的超分辨率算法[J];西安电子科技大学学报;2014年04期

5 苏衡;周杰;张志浩;;超分辨率图像重建方法综述[J];自动化学报;2013年08期

【共引文献】

中国期刊全文数据库 前10条

1 马飞;苏敏;杨晓梅;;基于自适应加权的正则化超分辨率图像重建[J];计算机工程与设计;2016年05期

2 赵丽;齐兴斌;李雪梅;;基于回归函数结合局部自相似的单帧图像超分辨率算法[J];计算机测量与控制;2016年04期

3 郭萌;赵岩;王世刚;陈贺新;;基于区域选择的红外弱小目标超分辨率复原算法[J];液晶与显示;2016年04期

4 詹曙;方琪;;边缘增强的多字典学习图像超分辨率重建算法[J];光电工程;2016年04期

5 贺清碧;黄大荣;杨永琴;;基于小波分析和多项式细分定位的超分辨率图像重建算法[J];计算机科学;2016年03期

6 戚曹;朱桂斌;唐鉴波;牟宇飞;;基于稀疏表示的红外视频图像超分辨率算法[J];计算机工程;2016年03期

7 何常胜;夏晓峰;徐平平;;基于交叉耦合字典与随机森林的单帧超分辨率算法[J];计算机工程;2016年03期

8 高志荣;蓝雯飞;;一种基于神经网络的人脸图像超分辨率重构算法[J];中南民族大学学报(自然科学版);2016年01期

9 廖广军;邱文敏;周吴灯;;高光条件下视频人像处理方法研究[J];刑事技术;2016年01期

10 肖进胜;高威;彭红;唐路敏;易本顺;;基于局部自相似性和奇异值分解的超采样图像细节增强[J];计算机学报;2016年07期

【二级参考文献】

中国期刊全文数据库 前10条

1 ZHANG WanHong;ZHOU Tong;HUANG BoXue;;Outlier deletion based improvement on the StOMP algorithm for sparse solution of large-scale underdetermined problems[J];Science China(Information Sciences);2014年09期

2 肖进胜;饶天宇;贾茜;宋金钟;易本顺;;基于图切割的拉普拉斯金字塔图像融合算法[J];光电子.激光;2014年07期

3 OIWA Hidekazu;MATSUSHIMA Shin;NAKAGAWA Hiroshi;;Feature-aware regularization for sparse online learning[J];Science China(Information Sciences);2014年05期

4 许向阳;陈广学;;基于多尺度叠加的视觉距离模糊算法的研究[J];光学学报;2014年02期

5 苏衡;周杰;张志浩;;超分辨率图像重建方法综述[J];自动化学报;2013年08期

6 ZHANG ZhongYuan;;Community structure detection in social networks based on dictionary learning[J];Science China(Information Sciences);2013年07期

7 田延冰;白剑;黄治;;基于全景环带立体成像系统的深度信息估计[J];光学学报;2013年06期

8 冯新星;张丽艳;叶南;杨博文;;二维高斯分布光斑中心快速提取算法研究[J];光学学报;2012年05期

9 宁贝佳;冀峰;高新波;;具有随机位移的多帧图像超分辨重建快速算法[J];西安电子科技大学学报;2012年01期

10 杨恢先;王绪四;谢鹏鹤;冷爱莲;彭友;;改进阈值与尺度间相关的小波红外图像去噪[J];自动化学报;2011年10期

【相似文献】

中国期刊全文数据库 前10条

1 穆晓敏,杨倩,王植存;图像的自相似性研究[J];郑州大学学报(理学版);2005年02期

2 袁明刚;分形与网络自相似性特征的哲学意义[J];武汉科技学院学报;2005年09期

3 陶少华;刘玉华;许凯华;黄浩;;基于信息维数的复杂网络自相似性研究[J];计算机工程与应用;2007年15期

4 王维;徐红云;;网络流量自相似性影响因素的研究[J];计算技术与自动化;2008年02期

5 龙剑友;王维;何晶;;网络流量自相似性的影响因素[J];吉首大学学报(自然科学版);2008年04期

6 聂得欣;袁小坊;王东;谢高岗;;链路层分类包的网络流量自相似性研究[J];计算机工程与应用;2009年05期

7 张帝;戴如斌;王艳君;;业务自相似性分析方法研究[J];东莞理工学院学报;2009年01期

8 尤玉虎;周孝宽;;利用图像自相似性进行编码的研究[J];系统工程与电子技术;2006年11期

9 陶少华;刘玉华;许凯华;贾永灿;;基于容量维数的复杂网络自相似性研究[J];计算机工程;2008年02期

10 曾剑平;张世永;;网络论坛的自相似性及其模型[J];计算机工程;2009年06期

中国重要会议论文全文数据库 前4条

1 蔡骅;汪翰林;胡维礼;;基于自相似性的网络信息流延时特性仿真[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年

2 李铁萍;魏悦广;;球形压头微纳米痕硬度解答的自相似性[A];庆祝中国力学学会成立50周年暨中国力学学会学术大会’2007论文摘要集（下）[C];2007年

3 周亚建;钮心忻;;单一ON／OFF信源业务的自相似性研究[A];2005通信理论与技术新进展——第十届全国青年通信学术会议论文集[C];2005年

4 黄奕龙;王仰麟;刘珍环;曾祥坤;陈朗;;快速城市化地区水系结构变化特征分析——以深圳市为例[A];中国水利学会2008学术年会论文集（上册）[C];2008年

中国重要报纸全文数据库 前1条

1 德国耶拿大学哲学系 沃尔夫冈·威尔什;论美的欣赏的普遍性[N];光明日报;2011年

中国硕士学位论文全文数据库 前10条

1 郑圣恩（Sungeun Chung）;对“自相似性”的艺术创作实践报告[D];上海大学;2015年

2 聂得欣;城域骨干网链路层分类包网络流量自相似性研究[D];湖南大学;2009年

3 黄硕之;能削弱自相似性影响的主动队列管理策略[D];天津大学;2005年

4 陈丽静;自相似性在无线数据网中的应用研究[D];四川大学;2005年

5 宋春凤;通信网流量的自相似性研究[D];吉林大学;2015年

6 董慧颖;基于自相似性的网络流量抽样方法研究与应用[D];哈尔滨理工大学;2008年

7 赖江丰;复杂机械产品系统自相似性分析方法及其应用[D];合肥工业大学;2007年

8 傅宁;BBS网络的自相似性研究[D];西安理工大学;2009年

9 马书南;网络流量自相似特性的研究[D];江南大学;2007年

10 赵冰晴;科学技术文献在时间上的自相似性研究[D];大连理工大学;2013年

，

本文编号：1123131