图像增强中极大兴趣点策略与外部先验应用.pdfVIP

一种应用于图像增强的极大点策略与外部先验

OrenKatzir和GuyGilboa

以色列理工学院海法32000，以色列

我们研究了和外部数据补丁匹配的问题。提出了一

种新的补丁质量指标，旨在最大化点数量与面积的

比值。我们证明了最大化该指标的最佳凸多边形是三角

降采样图像三角剖分

形。因此，在补丁匹配算法中使用了数据驱动的三角形

补丁，显著提高了匹配质量。三角形表示本质上允许对

补丁进行仿射校正，从而增加匹配概率并使外部数据集

更小。我们利用这项技术通过外部面部数据库来提高低

分辨率面部图像的质量。

提议的方法参考图像

图1.通过匹配三角点区域来改善模糊输入图像。

索引术语—补丁匹配，点，三角形补丁，图像增

强，外部图像数据库

如图1所示。三角剖分已得到广泛研究，易于处理和操作。

1.引言

在基于示例的超分辨率（SR）上测试我们的新

获得高质量的摄影作品是一个非常值得追求的目标，这通

三角补丁匹配技术。

常并不容易实现，尤其是在使用移动设备、廉价、低质量

的相机时。为此，复杂的图像处理算法可以显著提高感知

2.补丁检测和匹配

质量（如[1],[2]）。一个有前景的方向是使用外部先验数

据。

对于许多图像处理任务，如去噪、去卷积或压缩，在下文中，术语补丁被更通用的术语区域所替代。我们

通常使用基于方形块的方法[3–5]。通常，块之间的区域选择算法受到两个简单想法的启发。首先，较小

2的区域增加了在参考数据库中找到良好匹配的机会。例

的相似性是基于像素差异的`范数。这在处理同一图像

内的块时可以工作得很好，但在使用外部数据时，块相如，在图2(a)中，小区域在数据库中有多个匹配项，而

似性的预测能力会大大降低[6]。在这种情况下，会使由几个对象组成的较大区域需要特定的空间排列才能找

用基于点的更强大的特征，例如SIFT[7],到合适的匹配项。其次，具有点的区域更具信

Harris[8]或Hessian[9],。然而，点是稀疏的，息量，因此，匹配的确信度增加。如图2(b)所示，

无法覆盖整个区域。提出法，通过放宽标当点的数量不足时，错误匹配的可能性增加（用红

准的方形或矩形形式，允许使用一般的凸多边形块来整色叉号表示）。

合点和密集块。将表明，在某些最优性准则下，三

这两个简单的观察结果导致了一个区域质量指标，

角形作为多边形的选择是最优的。点位于三角形的

该指标与点的数量成正比，与区域面积成反比。

顶点，并用于在参考图像中找到匹配的块，

让f为矩形域Ω中的输入图像M×N