-
题名基于联合非负字典学习的遥感图像超分辨重建
被引量：1
- 1
-
-
作者
魏巍
吴孔平
郭来功
秦蒙
-
机构
安徽理工大学电气与信息工程学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2016年第8期271-276,共6页
-
基金
安徽理工大学青年教师科学研究基金资助项目(QN201311)
安徽理工大学大学生创新创业训练计划基金资助项目(AH201410361178)
-
文摘
针对图像的超分辨重建问题,提出一种基于联合非负字典学习的单幅图像超分辨重建算法,并将其用于遥感图像的超分辨重建。利用已有的高分辨图像,通过预处理得到高低分辨样本集。给出联合非负字典学习技术,并采用该技术对高低分辨样本集训练得到稀疏的高低分辨字典,使用高低分辨字典重建高分辨图像,并分析算法的计算复杂度。实验结果表明,与双三次插值法、联合字典训练算法、耦合字典训练算法相比,该算法在保证较好重建效果的同时需要较小的计算量。
-
关键词
联合字典训练
稀疏表示
超分辨重建
遥感图像
计算复杂度
-
Keywords
Joint Dictionary Training （JDT）
sparse representation
super-resolution reconstruction
remote sensing image
computation complexity
-
分类号
P391.41
[天文地球—地球物理学]
-
-
题名基于字典学习和非局部相似的超分辨率重建
被引量：6
- 2
-
-
作者
首照宇
吴广祥
陈利霞
-
机构
桂林电子科技大学信息与通信学院
桂林电子科技大学数学与计算科学学院
-
出处
《计算机应用》
CSCD
北大核心
2014年第11期3300-3303,3313,共5页
-
基金
国家自然科学基金资助项目(61362021)
广西自然科学基金资助项目(2013GXNSFDA019030
+7 种基金
2013GXNSFAA019331
2012GXNSFBA053014
2012GXNSFAA053231)
广西科学研究与技术开发计划项目(桂科攻1348020-6
桂科能1298025-7)
广西教育厅项目(201202ZD044
2013YB091)
桂林电子科技大学研究生教育创新计划项目(GDYCSZ201462)
-
文摘
为提高单帧降质图像的分辨率,提出了一种基于字典学习和非局部相似性的超分辨率重建算法。该算法主要将高分辨率图像减去利用迭代反投影重建结果得到差值图像,再利用K-奇异值分解(K-SVD)算法和联合字典生成的思想形成的字典训练方法,训练差值图像块和低分辨率图像块得到对应的高、低分辨率字典用于超分辨重建。此外,引入非局部相似性的正则项约束以提高重建图像的质量。实验结果表明,所提算法重建得到的图像在主观视觉效果和客观评价上优于基于例子学习的超分辨率算法。
-
关键词
超分辨率重建
迭代反投影
K-奇异值分解
联合字典训练
非局部相似性
-
Keywords
super-resolution
iterative back-projection
K-Singular Value Decomposition（K-SVD）
joint dictionary training
non-local similarity
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进K-SVD字典学习的超分辨率图像重构
被引量：15
- 3
-
-
作者
史郡
王晓华
-
机构
北京理工大学信息与电子学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2013年第5期997-1000,共4页
-
文摘
针对已有算法中字典训练的时间消耗巨大的问题,提出了一种改进的基于字典学习的超分辨率图像重构算法.本文将K-SVD字典算法和高低分辨率联合生成的思想结合起来,形成新的字典训练方法,并将由该算法生成的高低分辨率字典应用于基于稀疏表示的超分辨率重构.重构仿真实验证明算法不仅有效降低了字典训练所消耗的时间,而且能够改善重构高分辨图像的质量.
-
关键词
超分辨率重构
K-SVD
字典学习
联合字典训练
-
Keywords
super-resolution
K-SVD
dictionary-learning
joint dictionary training
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于稀疏表示与引导滤波的图像超分辨率重建
被引量：3
- 4
-
-
作者
张万绪
史剑雄
陈晓璇
汪霖
赵明
周延
牛进平
-
机构
西北大学信息科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2018年第9期212-217,共6页
-
基金
国家自然科学基金(61503300
61501372)
+3 种基金
中国博士后科学基金(2017M613186)
西北大学科学研究基金(15NW30
14NW25)
陕西省教育厅科学研究项目(17JK0766)
-
文摘
现有的图像超分辨率重建方法在图像处理和存储过程中不能有效地恢复更多的图像高频信息。为此,以稀疏表示的重建方法为基础,引入引导滤波,提升图像高频信息的重建效果。基于图像抠图技术,利用具有较好边缘保持特性的引导滤波将待重建的低分辨率图像分解为前景色、背景色和边缘层。通过联合训练边缘层的高分辨率字典和低分辨率字典,采用稀疏表示的方法重建边缘层,而对于前景色和背景色则采用双三次插值的方法重建,并经过图像合成得到对应的高分辨率图像。实验结果表明,相较于基于稀疏表示的图像超分辨率重建方法,基于引导滤波的重建图像在主客观评价指标上都有所提高。
-
关键词
稀疏表示
引导滤波
图像抠图
联合字典训练
超分辨率重建
-
Keywords
sparse representation
guided filtering
image matting
joint dictionary training
super-resolution reconstruction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
