一种基于L 1/2 正则约束的超分辨率重建算法
发布时间：2021-07-09 03:22
为了提高重建图像质量,减少处理时间,提出一种基于L1/2正则约束的单帧图像超分辨率重建算法.该算法在稀疏重建字典对训练阶段,为了有效提取低分辨率图像边缘、纹理等特征细节信息,采用小波系数单支重构方法对低分辨率图像进行特征提取;而在图像重建阶段,为了解决基于L1正则模型得到的解时常不够稀疏,重建图像质量有待进一步提高的问题,采用L1/2范数代替L1范数构建超分辨率重建模型,并且采用一种快速求解的L1/2正则化算法进行稀疏求解.实验结果表明:与现有算法相比较,该算法在重建图像主观和客观评价指标、算法运行速度等方面均更优.
【文章来源】：华中科技大学学报(自然科学版). 2017,45(06)北大核心EICSCD
【文章页数】：5 页
【部分图文】：
图１Ｇｉｒｌ图像重建结果比较
图４λ对重建结果的影响知：三种算法都是根据λ不同的取值得到的ＰＳＮＲ值，λ取值逐渐增大，得到的ＰＳＮＲ值也逐渐增大，不过增大的幅度逐渐减小，即在λ达到一定值后，随着λ增大，ＰＳＮＲ值逐渐趋于稳定．因此，为了明确表达本文算法效果，λ取值范围为ＰＳＮＲ变化比较明显的区域（０．０１～０．１５）．在λ达到０．１之后，本文算法比文献［５］和文献［９］算法增加的幅度小，即λ取值对本文算法的影响较小，并且稳定性增强．３结语提出了一种基于Ｌ１／２正则约束的单幅图像超分辨率重建算法．该算法在字典训练阶段对训练样本库中的低分辨率图像通过小波系数重构方法进行特征提取，得到比较全面的特征信息，从而增强细节表达能力．在图像重构阶段，结合ＡＰＧ算法和半阈值算法，提出快速Ｌ１／２正则化算法来重建高分辨率图像，提高重建图像的质量，减少了计算时间．通过与文献［５］和文献［９］算法进行对比，本文算法不论在ＰＳＮＲ上，还是在ＲＭＳＥ上，都有显著提高，并且时间相应缩短．参考文献［１］黄浩锋，肖南峰．基于组稀疏表示的医学图像超分辨率重建［Ｊ］．计算机科学，２０１５，４２（Ｓ１）：１５１－１５３．［２］魏士俨，顾征，马友青，等．基于压缩感知的月球探测器着陆图像超分辨重建［Ｊ］．红外与毫米波学报，２０１３，３２（６）：５５５－５５８．［３］蒋建国，陈亚运，齐美彬，等．基于自相似性和稀疏表示的图像超分辨率重建［Ｊ］．光电工程，２０１５，４２（１２）：７
算法、文献［５］算法、文献［９］算法的ＰＳＮＲ均值提高了１．１７，０．１８２，０．０５ｄＢ；ＲＭＳＥ的均值分别减少了１．０１，０．１３，０．０５；平均重建时间比文献［５］算法、文献［９］算法分别减少了３９．２％和６．８％．图１～图２分别给出了Ｇｉｒ等２幅图像利用双三次插值算法、文献［５］算法、文献［９］算法和本文算法重建的结果图像．综合图１～图２，双三次插值算法仅使用了插值，其残留的模糊最明显；文图１Ｇｉｒｌ图像重建结果比较图２Ｒａｃｏｏｎ图像重建结果比较献［５］算法得到的高分辨率图像相对于插值图像，细节部分比较清晰，但边缘区域仍然存在少许锯齿现象；文献［９］算法超分辨率重建效果增强，对比前两种算法得到的图像在细节和边缘部分更加清晰，但是仍然存在部分模糊残留．由图１～图２可知：与其他算法相比，本文算法的重建结果在边缘和纹理结构上更加清晰，高频细节更加详细．因此，本文算法结果无论在客观上还是主观上都有一定的提高．对图像进行稀疏表示的超分辨率重建，得到的峰值信噪ＰＳＮＲ与最大迭代次数Ｎ、正则参数λ等都有关系．图３和图４以Ｒａｃｏｏｎ图像为例，根据本文算法和文献［５］、文献［９］算法，通过λ值和Ｎ值变化得到ＰＳＮＲ值．由于双三次插值算法并没有训练字典，与λ和迭代次数没有关系，因此图３和图４并没有与双三次插值算法进行对比．图３是固定λ＝０．１５不变，最大迭代次数按照２的倍数叠加得到的ＰＳＮＲ．图４是固定最大迭代
【参考文献】：
期刊论文
[1]基于PCA-KLFDA的小样本故障数据集降维方法[J]. 赵荣珍,王雪冬,邓林峰. 华中科技大学学报(自然科学版). 2015(12)
[2]基于自相似性和稀疏表示的图像超分辨率重建[J]. 蒋建国,陈亚运,齐美彬,王超. 光电工程. 2015(12)
[3]基于进化深度学习的特征提取算法[J]. 陈珍,夏靖波,柏骏,徐敏. 计算机科学. 2015(11)
[4]基于组稀疏表示的医学图像超分辨率重建[J]. 黄浩锋,肖南峰. 计算机科学. 2015(S1)
[5]自适应加权编码L1/2正则化的图像重建算法[J]. 查志远,刘辉,尚振宏,李润鑫. 计算机应用. 2015(03)
[6]多正则化形式的超分辨率图像重建[J]. 朱齐丹,孙磊,蔡成涛. 光电工程. 2015(01)
[7]基于自学习的稀疏正则化图像超分辨率方法[J]. 李娟,吴谨,陈振学,杨莘,刘劲. 仪器仪表学报. 2015(01)
[8]基于多成分字典和稀疏表示的超分辨率重建算法[J]. 刘梓,宋晓宁,於东军,唐振民. 南京理工大学学报. 2014(01)
[9]基于小波变换的图像增强算法[J]. 陈莉. 陕西理工学院学报(自然科学版). 2014(01)
[10]基于压缩感知的月球探测器着陆图像超分辨重建[J]. 魏士俨,顾征,马友青,刘少创. 红外与毫米波学报. 2013(06)
硕士论文
[1]一种快速求解L1/2正则化问题的新算法[D]. 谢林林.大连理工大学 2014
本文编号：3272915
【文章来源】：华中科技大学学报(自然科学版). 2017,45(06)北大核心EICSCD
【文章页数】：5 页
【部分图文】：
图１Ｇｉｒｌ图像重建结果比较
图４λ对重建结果的影响知：三种算法都是根据λ不同的取值得到的ＰＳＮＲ值，λ取值逐渐增大，得到的ＰＳＮＲ值也逐渐增大，不过增大的幅度逐渐减小，即在λ达到一定值后，随着λ增大，ＰＳＮＲ值逐渐趋于稳定．因此，为了明确表达本文算法效果，λ取值范围为ＰＳＮＲ变化比较明显的区域（０．０１～０．１５）．在λ达到０．１之后，本文算法比文献［５］和文献［９］算法增加的幅度小，即λ取值对本文算法的影响较小，并且稳定性增强．３结语提出了一种基于Ｌ１／２正则约束的单幅图像超分辨率重建算法．该算法在字典训练阶段对训练样本库中的低分辨率图像通过小波系数重构方法进行特征提取，得到比较全面的特征信息，从而增强细节表达能力．在图像重构阶段，结合ＡＰＧ算法和半阈值算法，提出快速Ｌ１／２正则化算法来重建高分辨率图像，提高重建图像的质量，减少了计算时间．通过与文献［５］和文献［９］算法进行对比，本文算法不论在ＰＳＮＲ上，还是在ＲＭＳＥ上，都有显著提高，并且时间相应缩短．参考文献［１］黄浩锋，肖南峰．基于组稀疏表示的医学图像超分辨率重建［Ｊ］．计算机科学，２０１５，４２（Ｓ１）：１５１－１５３．［２］魏士俨，顾征，马友青，等．基于压缩感知的月球探测器着陆图像超分辨重建［Ｊ］．红外与毫米波学报，２０１３，３２（６）：５５５－５５８．［３］蒋建国，陈亚运，齐美彬，等．基于自相似性和稀疏表示的图像超分辨率重建［Ｊ］．光电工程，２０１５，４２（１２）：７
算法、文献［５］算法、文献［９］算法的ＰＳＮＲ均值提高了１．１７，０．１８２，０．０５ｄＢ；ＲＭＳＥ的均值分别减少了１．０１，０．１３，０．０５；平均重建时间比文献［５］算法、文献［９］算法分别减少了３９．２％和６．８％．图１～图２分别给出了Ｇｉｒ等２幅图像利用双三次插值算法、文献［５］算法、文献［９］算法和本文算法重建的结果图像．综合图１～图２，双三次插值算法仅使用了插值，其残留的模糊最明显；文图１Ｇｉｒｌ图像重建结果比较图２Ｒａｃｏｏｎ图像重建结果比较献［５］算法得到的高分辨率图像相对于插值图像，细节部分比较清晰，但边缘区域仍然存在少许锯齿现象；文献［９］算法超分辨率重建效果增强，对比前两种算法得到的图像在细节和边缘部分更加清晰，但是仍然存在部分模糊残留．由图１～图２可知：与其他算法相比，本文算法的重建结果在边缘和纹理结构上更加清晰，高频细节更加详细．因此，本文算法结果无论在客观上还是主观上都有一定的提高．对图像进行稀疏表示的超分辨率重建，得到的峰值信噪ＰＳＮＲ与最大迭代次数Ｎ、正则参数λ等都有关系．图３和图４以Ｒａｃｏｏｎ图像为例，根据本文算法和文献［５］、文献［９］算法，通过λ值和Ｎ值变化得到ＰＳＮＲ值．由于双三次插值算法并没有训练字典，与λ和迭代次数没有关系，因此图３和图４并没有与双三次插值算法进行对比．图３是固定λ＝０．１５不变，最大迭代次数按照２的倍数叠加得到的ＰＳＮＲ．图４是固定最大迭代
【参考文献】：
期刊论文
[1]基于PCA-KLFDA的小样本故障数据集降维方法[J]. 赵荣珍,王雪冬,邓林峰. 华中科技大学学报(自然科学版). 2015(12)
[2]基于自相似性和稀疏表示的图像超分辨率重建[J]. 蒋建国,陈亚运,齐美彬,王超. 光电工程. 2015(12)
[3]基于进化深度学习的特征提取算法[J]. 陈珍,夏靖波,柏骏,徐敏. 计算机科学. 2015(11)
[4]基于组稀疏表示的医学图像超分辨率重建[J]. 黄浩锋,肖南峰. 计算机科学. 2015(S1)
[5]自适应加权编码L1/2正则化的图像重建算法[J]. 查志远,刘辉,尚振宏,李润鑫. 计算机应用. 2015(03)
[6]多正则化形式的超分辨率图像重建[J]. 朱齐丹,孙磊,蔡成涛. 光电工程. 2015(01)
[7]基于自学习的稀疏正则化图像超分辨率方法[J]. 李娟,吴谨,陈振学,杨莘,刘劲. 仪器仪表学报. 2015(01)
[8]基于多成分字典和稀疏表示的超分辨率重建算法[J]. 刘梓,宋晓宁,於东军,唐振民. 南京理工大学学报. 2014(01)
[9]基于小波变换的图像增强算法[J]. 陈莉. 陕西理工学院学报(自然科学版). 2014(01)
[10]基于压缩感知的月球探测器着陆图像超分辨重建[J]. 魏士俨,顾征,马友青,刘少创. 红外与毫米波学报. 2013(06)
硕士论文
[1]一种快速求解L1/2正则化问题的新算法[D]. 谢林林.大连理工大学 2014
本文编号：3272915
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3272915.html
