欢迎来到天天文库
浏览记录
ID:28181142
大小:17.22 KB
页数:4页
时间:2018-12-08
《结合压缩感知与非局部信息的图像超分辨率重建》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。结合压缩感知与非局部信息的图像超分辨率重建 摘要: 针对现有的超分辨率重建算法只考虑图像块的灰度信息,而忽略了纹理信息,并且大多数非局部方法在强调非局部信息的同时,没有考虑局部信息的问题,提出一种结合压缩感知与非局部信息的图像超分辨率重建算法。首先,根据图像块的结构特征计算像素之间的相似性,同时考虑了图像块的灰度信息和纹理信息;然后,合并图像的局部和非局部信息来估计相似像素的权重,构
2、造结合局部和非局部信息的正则项;最后,将图像的非局部信息引入到压缩感知框架中,通过迭代收缩算法求解稀疏表示系数。实验结果表明,所提算法与现有的基于学习的超分辨率算法相比,重建图像的峰值信噪比和结构相似度取值更高,并且在恢复图像纹理细节的同时有效抑制了噪声。 关键词: 超分辨率重建;压缩感知;非局部信息;稀疏表示;结构特征 中图分类号: 文献标志码:A Abstract:为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学生的课余文化生
3、活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。 Theexistingsuperresolutionreconstructionalgorithmsonlyconsiderthegrayinformationofimagepatches,butignoresthetextureinformation,andmostnonlocalmethodsemphasizethenonlocalinformationwithoutcons
4、ideringthelocalinformation.Inviewofthesedisadvantages,animagesuperresolutionreconstructionalgorithmcombinedwithcompressedsensingandnonlocalinformationwasproposed.Firstly,thesimilaritybetweenpixelswascalculatedaccordingtothestructuralfeaturesofimagepatches,andboththegrayandthetexturei
5、nformationwasconsidered.Then,theweightofsimilarpixelswasevaluatedbymergingthelocalandnonlocalinformation,andaregularizationtermcombiningthelocalandnonlocalinformationwasconstructed.Finally,thenonlocalinformationwasintroducedintothecompressedsensingframework,andthesparserepresentation
6、coefficientsweresolvedbytheiterativeshrinkagealgorithm.ExperimentalresultsdemonstratethattheproposedalgorithmoutperformsotherlearningbasedalgorithmsintermsofimprovedPeakSignaltoNoiseRatioandStructural为了充分发挥“教学点数字教育资源全覆盖”项目设备的作用,我们不仅把资源运用于课堂教学,还利用系统的特色栏目开展课外活动,对学生进行安全教育、健康教育、反邪教教育等丰富学
7、生的课余文化生活。为了确保“教学点数字教育资源全覆盖”项目设备正常使用,我校做到安装、教师培训同步进行。设备安装到位后,中心校组织各学点管理人员统一到县教师进修学校进行培训,熟悉系统的使用和维护。Similarity,anditcanbetterrecoverthefinetexturesandeffectivelysuppressthenoise. 英文关键词Keywords: superresolutionreconstruction;compressedsensing;nonlocalinformation;sparserepresentation;s
8、tructuralfea
此文档下载收益归作者所有