BTV图像超分辨率重建改进算法 Image super-resolution reconstruction based on improved bilateral total variation algorithm.pdfVIP

下载本文档

31
0
约1.11万字
约 3页
2017-08-12 发布于上海
举报
版权申诉

BTV图像超分辨率重建改进算法 Image super-resolution reconstruction based on improved bilateral total variation algorithm.pdf

1、本文档共3页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

BTV图像超分辨率重建改进算法 Image super-resolution reconstruction based on improved bilateral total variation algorithm

电子测量技术第34卷第12期 ELECTRONIC MEASUREMENTTECHNOLOGY 2011年12月 BTV图像超分辨率重建改进算法姚琦王培康 (中国科学技术大学电子工程与信息科学系合肥230027) 摘要：在双边滤波正则化算法的基础上，结合自然图像自身结构相似性，提出一种基于BTV的改进算法。通过在代价方程中引入表达图像非局部结构相似性的正则化项，对重建图像的解空间进一步加以限制和优化，最后通过最陡下降法求得代价方程最优解，从而完成重建。实验证明，与BTV算法相比，改进后的算法不仅能很好地抑制噪声，同时也更好地保留了图像中的细节，重建图像有着比较清晰的边缘，同时该方法也说明重建过程中更多的先验知识对重建结果的重要性。关键词：超分辨率重建；正则化；总变分；双边总变分；非局部自相似中图分类号：TP2 文献标识码：A recOnStructionbasedon super。resolution Image bilateraltotalvariation improved algorithm YaoQiWangPeikang ofElectronic andInformation ofScienceand of (Department Engineering Science，UniversityTechnologyChina，Hefei230027) onthe bilateraltotal andcombinedwithnatural Abstract：Based original variation(BTV)regularizationalgorithm image itselfstructural aboutBTVis term similarity，aimprovedalgorithm proposed．Theregularizationexpressesimage ofnon-localstructureisusedinthe thismethod andlimits thesolutionof similarity priceequation，and optimizates space thereconstructed descentmethodisusedtOobtainthe solutionofthecost tOachieve image．Steepest optimal equation withthe B，rV showthatthe cannot reconstruction．Comparedoriginalalgorithm．theexperiments improvedalgorithm the alsorestoredetailsofreconstructedwith italsoshowsthatmore onlysurpressnoise