基于图像自相似性及字典学习的超分辨率重建算法 image super-resolution reconstruction algorithms based on self-similarities and dictionary learning.pdfVIP

下载本文档

4
0
约1.84万字
约 8页
2017-08-21 发布于上海
举报
版权申诉

基于图像自相似性及字典学习的超分辨率重建算法 image super-resolution reconstruction algorithms based on self-similarities and dictionary learning.pdf

1、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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

基于图像自相似性及字典学习的超分辨率重建算法 image super-resolution reconstruction algorithms based on self-similarities and dictionary learning

第40卷第6期光电工程、，01．40．No．6 2013年6月 Opto—ElectronicEngineering June．2013 文章编号：1003—501X(2013)06一0106一08 基于图像自相似性及字典学习的超分辨率重建算法陈书贞，魏艳新 (燕山大学信息科学与工程学院，河北秦皇岛066004) 摘要：图像超分辨率重建技术在重构图像细节，改善图像视觉效果等方面起着重要作用。为了提高超分辨率图像的重构质量，本文结合图像自身和自然图像库信息进行超分辨率重建。先利用图像在不同尺度的自相似性，形成图像金字塔，只用单幅低分辨率图像进行超分辨率重建；然后利用自然图像库进行字典学习并以初步得到的重建图像作为输入再次处理；在图像后处理时，利用图像非局部相似性和迭代反投影，进一步提高重建效果。实验结果表明，本文的方法与其它几种基于学习的超分辨率算法比较，无论主观视觉效果上还是峰值信噪比上都有明显提高。关键词：超分辨率；自相似性；字典学习；非局部相似性；迭代反投影中图分类号：TN911．73 文献标志码：A ReconstructionBasedon ImageSuper—resolution Algorithms Self-similaritiesand Learning Dictionary CHENShuzhen。WEIYhnxin 066004，胁6口fPmVf，lcP，(琢抽口) (砌J玎nl据Q，’蜘，7雄口ff0一＆fl蹦c8口订d?吝c|il—o，19罟y，物，L，Jll口玎【／h^，P，百f纱，Q拥^“口，29dao Abstract： rcconsmlctionan rolein me detailsand the Super-resolution imponant image improVing plays recons仃Ilcting Visual mostofthe ofthe tlle conVentional perception．IIl le锄ing_basedsuper-resolution，priorhowle电eirlputimage itselfornatIlral databaseisusedtosolVetlle tlle ofrecons仃l∞tedcan inlages super_resolutionproblem，soquality images be缸恤er reachtllis infbmlationofme itselfandme databasearecombined． improved．Togoal，me image nanlmlimages across