中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
9期
1268-1281
,共14页
刘婧%干宗良%崔子冠%陈昌红%朱秀昌
劉婧%榦宗良%崔子冠%陳昌紅%硃秀昌
류청%간종량%최자관%진창홍%주수창
压缩图像%内插%训练%自适应%对称自回归模型
壓縮圖像%內插%訓練%自適應%對稱自迴歸模型
압축도상%내삽%훈련%자괄응%대칭자회귀모형
compression image%image interpolation%training%adaptive%symmetric autoregressive models
目的 大多数图像内插方法只考虑低分辨率图像的下采样降质过程,忽略编码噪声的影响.提出一种新的自适应对称自回归模型的压缩图像内插方法.方法 假设局部图像相似的图像块具有相同的图像内插模型.方法分为训练和重建两个阶段.在训练阶段,首先对训练图像采用主成分分析提取图像块的局部梯度主方向,根据方向进行一次分类,分别建立各个方向的对称自回归模型和训练集;其次对每个方向的训练集,根据图像基元特征,利用K均值聚类方法进行二次分类;最后对每个二次分类训练子集,选择其所属方向类的模型,使用有约束的最小二乘法估计对应于该子集的模型系数.在重建阶段,首先根据测试图像块的局部梯度主方向,确定方向类别,再计算测试块基元特征和该方向类中所有聚类中心的欧氏距离,选择具有最小欧氏距离的聚类中心的自回归模型用于内插.结果 采用8种不同的测试图像在JPEG的2种量化方式条件下进行测试,与7种典型的图像内插相比,结果表明本文方法能够有效地克服编码噪声的影响,峰值信噪比(PSNR)和结构相似度(SSIM)均优于其他方法.结论 本文方法具有较低的复杂度,可以适用于图像通信中增强图像的分辨率.
目的 大多數圖像內插方法隻攷慮低分辨率圖像的下採樣降質過程,忽略編碼譟聲的影響.提齣一種新的自適應對稱自迴歸模型的壓縮圖像內插方法.方法 假設跼部圖像相似的圖像塊具有相同的圖像內插模型.方法分為訓練和重建兩箇階段.在訓練階段,首先對訓練圖像採用主成分分析提取圖像塊的跼部梯度主方嚮,根據方嚮進行一次分類,分彆建立各箇方嚮的對稱自迴歸模型和訓練集;其次對每箇方嚮的訓練集,根據圖像基元特徵,利用K均值聚類方法進行二次分類;最後對每箇二次分類訓練子集,選擇其所屬方嚮類的模型,使用有約束的最小二乘法估計對應于該子集的模型繫數.在重建階段,首先根據測試圖像塊的跼部梯度主方嚮,確定方嚮類彆,再計算測試塊基元特徵和該方嚮類中所有聚類中心的歐氏距離,選擇具有最小歐氏距離的聚類中心的自迴歸模型用于內插.結果 採用8種不同的測試圖像在JPEG的2種量化方式條件下進行測試,與7種典型的圖像內插相比,結果錶明本文方法能夠有效地剋服編碼譟聲的影響,峰值信譟比(PSNR)和結構相似度(SSIM)均優于其他方法.結論 本文方法具有較低的複雜度,可以適用于圖像通信中增彊圖像的分辨率.
목적 대다수도상내삽방법지고필저분변솔도상적하채양강질과정,홀략편마조성적영향.제출일충신적자괄응대칭자회귀모형적압축도상내삽방법.방법 가설국부도상상사적도상괴구유상동적도상내삽모형.방법분위훈련화중건량개계단.재훈련계단,수선대훈련도상채용주성분분석제취도상괴적국부제도주방향,근거방향진행일차분류,분별건립각개방향적대칭자회귀모형화훈련집;기차대매개방향적훈련집,근거도상기원특정,이용K균치취류방법진행이차분류;최후대매개이차분류훈련자집,선택기소속방향류적모형,사용유약속적최소이승법고계대응우해자집적모형계수.재중건계단,수선근거측시도상괴적국부제도주방향,학정방향유별,재계산측시괴기원특정화해방향류중소유취류중심적구씨거리,선택구유최소구씨거리적취류중심적자회귀모형용우내삽.결과 채용8충불동적측시도상재JPEG적2충양화방식조건하진행측시,여7충전형적도상내삽상비,결과표명본문방법능구유효지극복편마조성적영향,봉치신조비(PSNR)화결구상사도(SSIM)균우우기타방법.결론 본문방법구유교저적복잡도,가이괄용우도상통신중증강도상적분변솔.