浙江师范大学学报（自然科学版）
浙江師範大學學報（自然科學版）
절강사범대학학보（자연과학판）
JOURNAL OF ZHEJIANG NORMAL UNIVERSITY(NATURAL SCIENCES)
2013年
2期
121-126
,共6页
贾泂%付芳梅%郑忠龙%赵建民%郭丽%张海新%俞牡丹
賈泂%付芳梅%鄭忠龍%趙建民%郭麗%張海新%俞牡丹
가형%부방매%정충룡%조건민%곽려%장해신%유모단
超分辨率%稀疏编码%方向滤波%自相似性
超分辨率%稀疏編碼%方嚮濾波%自相似性
초분변솔%희소편마%방향려파%자상사성
随着稀疏编码与压缩传感理论的逐步发展,如何应用于图像的超分辨率成为研究热点之一.基于示例学习的算法,提出了一种新的超分辨率算法,其特点在于只基于低分辨率图像本身,没有额外的样本库,运用自然图像的自相似性与冗余性,学习低分辨率图像块与高分辨率图像块之间的函数关系.为了从图像中获取更加全面的信息,采用Guided滤波、一阶导数和二阶导数2种方法来提取特征.此外,提出了一种新的字典学习算法R-KSVD,并且改进了后项处理过程.实验结果显示,提出的算法具有较好的超分辨率效果和稳定性.
隨著稀疏編碼與壓縮傳感理論的逐步髮展,如何應用于圖像的超分辨率成為研究熱點之一.基于示例學習的算法,提齣瞭一種新的超分辨率算法,其特點在于隻基于低分辨率圖像本身,沒有額外的樣本庫,運用自然圖像的自相似性與冗餘性,學習低分辨率圖像塊與高分辨率圖像塊之間的函數關繫.為瞭從圖像中穫取更加全麵的信息,採用Guided濾波、一階導數和二階導數2種方法來提取特徵.此外,提齣瞭一種新的字典學習算法R-KSVD,併且改進瞭後項處理過程.實驗結果顯示,提齣的算法具有較好的超分辨率效果和穩定性.
수착희소편마여압축전감이론적축보발전,여하응용우도상적초분변솔성위연구열점지일.기우시례학습적산법,제출료일충신적초분변솔산법,기특점재우지기우저분변솔도상본신,몰유액외적양본고,운용자연도상적자상사성여용여성,학습저분변솔도상괴여고분변솔도상괴지간적함수관계.위료종도상중획취경가전면적신식,채용Guided려파、일계도수화이계도수2충방법래제취특정.차외,제출료일충신적자전학습산법R-KSVD,병차개진료후항처리과정.실험결과현시,제출적산법구유교호적초분변솔효과화은정성.
