稀疏阈值的超分辨率图像重建

发布时间：2018-04-16 15:19

  本文选题：超分辨率 + 稀疏阈值　； 参考：《中国光学》2016年05期

【摘要】：为了解决基于字典学习的超分辨重构算法耗时过长的问题,提出了基于稀疏阈值模型的图像超分辨率重建方法。首先,将联合字典理论与图像块稀疏阈值方法相结合,训练得到高、低分辨率过完备图像字典对。接着,通过稀疏阈值OMP算法对图像特征块进行稀疏表示。然后,通过高分辨率字典重构出初始的超分辨图像。最后,通过改进迭代反投影算法对初始的超分辨图像进行全局优化,从而进一步提高图像重构质量。实验结果表明,超分辨图像重构平均峰值信噪比(PSNR)为30.1 d B,平均结构自相似度(SSIM)为0.937 9,平均计算时间为10.2 s。有效提高了超分辨重构的速度,改善了重构高分辨图像的质量。
[Abstract]:In order to solve the problem that the super-resolution reconstruction algorithm based on dictionary learning is time-consuming, an image super-resolution reconstruction method based on sparse threshold model is proposed.Firstly, the joint dictionary theory and the image block sparse threshold method are combined to obtain high and low resolution overcomplete image dictionary pairs.Then, the sparse threshold OMP algorithm is used to represent the image feature block sparsely.Then, the initial super-resolution image is reconstructed by high-resolution dictionary.Finally, the initial super-resolution image is globally optimized by an improved iterative back-projection algorithm, which further improves the quality of image reconstruction.The experimental results show that the average PSNR of super-resolution image reconstruction is 30.1 dB, the average structural self-similarity is 0.937 9, and the average computing time is 10.2s.The speed of super resolution reconstruction is improved and the quality of reconstructed high resolution image is improved.
【作者单位】： 中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室;中国科学院大学;
【基金】：应用光学国家重点实验室自主基金资助项目(No.Y4223FQ141)~~
【分类号】：TP391.41

【参考文献】

相关期刊论文 前5条

1 张振东;陈健;王伟国;刘廷霞;;基于SSIM_NCCDFT的超分辨率复原评价方法研究[J];液晶与显示;2015年04期

2 陈健;高慧斌;王伟国;张振东;路明;;超分辨率复原方法相关原理研究[J];中国光学;2014年06期

3 邓承志;田伟;汪胜前;朱华生;吴朝明;熊志文;钟威;;近似稀疏正则化的红外图像超分辨率重建[J];光学精密工程;2014年06期

4 彭真明;景亮;何艳敏;张萍;;基于多尺度稀疏字典的多聚焦图像超分辨融合[J];光学精密工程;2014年01期

5 邓建青;刘晶红;刘铁军;;基于DSP系统的超分辨率图像重建技术研究[J];液晶与显示;2012年01期

【共引文献】

相关期刊论文 前10条

1 何阳;黄玮;王新华;郝建坤;;稀疏阈值的超分辨率图像重建[J];中国光学;2016年05期

2 王刘涛;黄淼;王建玺;马飞;;交叉分辨率自适应字典学习的单帧超分辨率算法[J];计算机工程;2016年08期

3 廖婷;;基于多尺度快速清晰度估计的多聚焦图像超分辨融合技术研究[J];现代电子技术;2016年15期

4 殷明;段普宏;褚标;梁翔宇;;基于非下采样双树复轮廓波变换和稀疏表示的红外和可见光图像融合[J];光学精密工程;2016年07期

5 张盛林;易本顺;李卫中;刘红玉;;基于图像抠图技术的多聚焦图像融合方法[J];计算机应用;2016年07期

6 李云峰;李晟阳;韩茜茜;;基于多邻域信息的监控图像超分辨率算法[J];计算机工程;2016年06期

7 吴泽鹏;成飞;曲耀斌;黄业平;;基于线阵探测器错位成像的超分辨遥感技术[J];激光与光电子学进展;2016年06期

8 魏利胜;张平改;;基于分层模型的图像快速融合方法研究[J];系统仿真学报;2016年06期

9 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

10 许廷发;罗璇;苏畅;卞紫阳;;多帧距离选通图像点扩散函数估计的超分辨率重建[J];中国光学;2016年02期

【二级参考文献】

相关期刊论文 前10条

1 许廷发;李俊涛;张一舟;申子宜;郭巳秋;;真彩色传递双波段图像融合[J];中国光学;2014年03期

2 王宇庆;王索建;;红外与可见光融合图像的质量评价[J];中国光学;2014年03期

3 张颖颖;张帅;张萍;卢成;;融合对比度和分布性的图像显著性区域检测[J];光学精密工程;2014年04期

4 龚卫国;潘飞宇;李进明;;用双层重建法实现单幅图像的超分辨率重建[J];光学精密工程;2014年03期

5 陈恺;陈芳;戴敏;张志胜;史金飞;;基于萤火虫算法的二维熵多阈值快速图像分割[J];光学精密工程;2014年02期

6 杨桄;童涛;陆松岩;李紫阳;郑悦;;基于多特征的红外与可见光图像融合[J];光学精密工程;2014年02期

7 彭真明;景亮;何艳敏;张萍;;基于多尺度稀疏字典的多聚焦图像超分辨融合[J];光学精密工程;2014年01期

8 褚江;陈强;杨曦晨;;全参考图像质量评价综述[J];计算机应用研究;2014年01期

9 穆治亚;魏仲慧;何昕;梁国龙;;采用稀疏表示的红外图像自适应杂波抑制[J];光学精密工程;2013年07期

10 邓承志;刘娟娟;汪胜前;朱华生;;保留结构特征的稀疏性正则化图像修复[J];光学精密工程;2013年07期

【相似文献】

相关期刊论文 前10条

1 宋艳玲;;图像超分辨重建技术研究现状[J];科技创新导报;2012年09期

2 William F.Gabriel ,洪大光 ,李吉良;谱分析与自适应阵列的超分辨技术[J];系统工程与电子技术;1981年12期

3 刘志文,柯有安;一种基于模型的雷达超分辨方法[J];系统工程与电子技术;1993年12期

4 魏劲松,阮昊,施宏仁,干福熹;一种新的超分辨记录点的读出技术[J];光学学报;2003年05期

5 孟婕;丁志华;周琳;;光学相干层析成像轴向超分辨研究[J];光子学报;2008年03期

6 刘妍妍;张新;张建萍;;超分辨重建技术及其研究进展[J];中国光学与应用光学;2009年02期

7 韩军;薛小乐;王星;;光电成像系统超分辨成像技术方法研究[J];应用光学;2011年01期

8 王继良,段凤增;最大熵法在高频雷达角度超分辨中的应用[J];系统工程与电子技术;1993年10期

9 张锋,王阳,徐文东,顾冬红,干福熹;超分辨近场结构技术及其应用[J];光学技术;2003年05期

10 李金宗,黄建明,李冬冬;基于理想采样的快速超分辨算法[J];哈尔滨工业大学学报;2005年06期

相关会议论文 前10条

1 乔延利;叶松;方黎;洪津;方勇华;荀毓龙;;超分辨空间外差光谱成像技术[A];第六届成像光谱技术与应用研讨会文集[C];2006年

2 于建强;袁景和;方晓红;;超分辨多功能荧光显微成像[A];中国化学会第29届学术年会摘要集——第03分会：分析可视化及交叉学科新方法[C];2014年

3 李大勇;吴乐南;;特定条件下的图像超分辨重建快速算法[A];第十三届全国图象图形学学术会议论文集[C];2006年

4 程晓东;曹轩;何彦;;超分辨等离激元散射光成像研究[A];第十七届全国光散射学术会议摘要文集[C];2013年

5 朱明强;张国峰;李冲;龚文亮;严慧;;荧光分子开关用于超分辨光学成像[A];中国化学会第29届学术年会摘要集——第21分会：光化学[C];2014年

6 邹华;朱卫华;嵇阳;吴建伟;;基于超分辨对衍射光斑的压缩整形[A];鲁豫赣黑苏五省光学（激光）学会2011学术年会论文摘要集[C];2011年

7 陈薇;陈丹妮;齐t，

本文编号：1759494