高效的图像超分辨率重建参数估计算法.pdf

《高效的图像超分辨率重建参数估计算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、小型微型计算机系统2013年9月第9期JournalofChineseComputerSystemsVo1．34NO．92013高效的图像超分辨率重建参数估计算法解凯，张芬(北京印刷学院信息工程学院，北京102600)E-mail：kaixiek@126．tom摘要：估计正则化参数的有效方法是计算L一曲线的最大曲率，然而在超分辨率图像重建中，计算L一曲线的曲率代价十分昂贵．提出一种基于截断Arnoldi过程的图像超分辨率重建正则化参数估计算法．该方法将超分辨率重建中的系统矩阵进行截断Arnoldi过程的分解，得出简化的Hessenberg矩阵．借助

2、Galerkin方程可将超分辨率重建方程组转化为与Hessenberg矩阵相关的简化方程组。通过Given旋转变换来快速求该方程组的解．给出了计算L曲率的计算公式．该方法能高效得到正则化参数．关键词：L．曲率；截断Arnoldi过程；参数估计；超分辨率中图分类号：TP391文献标识码：A文章编号：1000—1220(2013)09-2201-04EficientParameterEstimationAlgorithmforSuper-resolutionImageXlEKai。ZHANGFen(SchoolofInformationElectron

3、icEngineering，BeringInstituteofGraphicCommunication，Beijing102600。China)Abstract：ThevalidmethodofregularizedparameterestimationistocomputethemaximumcurvatureofL—curve．However，thecorn—putationisquitecostlyfortheestimationoftheunknownparameterinasuper—resolutionimagereconstructi

4、on．1’IlepaperproposesanefficientapproximatemethodbasedonthetruncateArnoldiprocess．TIlemethodcanfactorizethesystemmatrixinthesuper—resolu—tionreconstructionintoaHessenbergmatrixbythepartialArnoldiprocess．Thelinearequationsinthesuper—resolutionreconstructionaretranslatedintosimp

5、leonesassociatedwithHessenbergmatrixthroughtheGalerkinequations．ThentheequationsCanquicklybesolvedbytheGivenrotationtranslations．111eformulaofL—curvecurvatureispresented．111ecomputationalcomplexityoftheL—cur-vatureCanbereducedthroughpartialfactorizationofArnoldiprocess．Thetheo

6、ryanalyticsandexperimentsdemonstratethatthemethodCallbeValid．Keywords：L—curvature；truncateAmoldiprocess；parameterestimation；super—resolution1引言高分辨率问题中的参数．使用随机迹函数来近似计算，但结果不稳定．杨欣⋯等在每一幅低分辨率图像代价函数的残差项图像超分辨率重建的目标是从低分辨率输入图像来重建引入了自适应加权系数，但算法效率较低．一幅高分辨率图像．超分辨率图像重建是计算机视觉领域的一个典型逆问题，在现实世

7、界中有着广泛的应用．随着数字图2问题描述像与视频的日益流行，超分辨率获得了越来越多研究者的关注．基于图像建模理论的正则化图像超分辨率重建(superres—假设一组低分辨率图像被施加叠加性噪音，有如下观测olution：SR)方法⋯是通过融合多幅低分辨率图像及合理的模型J：图像先验模型构造恢复高分辨率图像的数学反问题．由于从Y=W+n(1)高到低分辨率过程中许多信息丢失，重建问题是一个病态问所有k个帧排列成一个向量得到：题，解是不唯一的．无论是从数学分析角度即如选择正则补偿Y=Wx+n(2)项，还是从概率论的最大后验概率角度选择恰当的先验模型，y为

8、多幅图像叠加在一起向量；n为多幅图像叠噪音向量；W都用来稳定解．如通用图像先验模型和双边全差分及连续变为系统矩阵．由于超分