科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2013年
7期
1840-1846
,共7页
方向梯度直方图%邻域嵌入%稀疏表示%超分辨
方嚮梯度直方圖%鄰域嵌入%稀疏錶示%超分辨
방향제도직방도%린역감입%희소표시%초분변
到现在为止,基于邻域嵌入法(NE)的图像超分辨(SR)技术都采用两个独立的步骤合成高分辨的图像.首先以Euclidean距离作为标准进行邻域搜索,然后通过求解一个约束最小均方问题得到最优的加权值.然而,采用两个独立的过程并不是最优的.提出一种基于稀疏邻域选择的图像超分辨算法.首先确定可能的邻域范围,然后采用稳健SLO算法同时找出邻域和加权值.由于采用聚类方法,用于重建的k个最近邻域(k-NN)具有相似的局部几何结构,可以采用一种叫做方向梯度直方图(HoG)的统计方法对低分辨图像块进行聚类.通过在合成过程中利用HoG的局部结构信息,每幅低分辨图像的k-NN都能从相对应的子集中自适应的选择,从而在保证合成图像质量的前提下大大提高了合成高分辨图像的速度.仿真表明本文算法能够得到与传统方法相似的结果.
到現在為止,基于鄰域嵌入法(NE)的圖像超分辨(SR)技術都採用兩箇獨立的步驟閤成高分辨的圖像.首先以Euclidean距離作為標準進行鄰域搜索,然後通過求解一箇約束最小均方問題得到最優的加權值.然而,採用兩箇獨立的過程併不是最優的.提齣一種基于稀疏鄰域選擇的圖像超分辨算法.首先確定可能的鄰域範圍,然後採用穩健SLO算法同時找齣鄰域和加權值.由于採用聚類方法,用于重建的k箇最近鄰域(k-NN)具有相似的跼部幾何結構,可以採用一種叫做方嚮梯度直方圖(HoG)的統計方法對低分辨圖像塊進行聚類.通過在閤成過程中利用HoG的跼部結構信息,每幅低分辨圖像的k-NN都能從相對應的子集中自適應的選擇,從而在保證閤成圖像質量的前提下大大提高瞭閤成高分辨圖像的速度.倣真錶明本文算法能夠得到與傳統方法相似的結果.
도현재위지,기우린역감입법(NE)적도상초분변(SR)기술도채용량개독립적보취합성고분변적도상.수선이Euclidean거리작위표준진행린역수색,연후통과구해일개약속최소균방문제득도최우적가권치.연이,채용량개독립적과정병불시최우적.제출일충기우희소린역선택적도상초분변산법.수선학정가능적린역범위,연후채용은건SLO산법동시조출린역화가권치.유우채용취류방법,용우중건적k개최근린역(k-NN)구유상사적국부궤하결구,가이채용일충규주방향제도직방도(HoG)적통계방법대저분변도상괴진행취류.통과재합성과정중이용HoG적국부결구신식,매폭저분변도상적k-NN도능종상대응적자집중자괄응적선택,종이재보증합성도상질량적전제하대대제고료합성고분변도상적속도.방진표명본문산법능구득도여전통방법상사적결과.
