-
题名引入细节约束因子的半耦合字典学习超分辨率重构模型
- 1
-
-
作者
黄宇达
王迤冉
牛四杰
-
机构
周口职业技术学院信息工程学院
周口师范学院网络工程学院
济南大学信息科学与工程学院
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2021年第3期59-64,共6页
-
基金
国家自然科学基金资助项目(61103143)
河南省科技计划项目(112300410307)。
-
文摘
为了提升单幅图像的超分辨率重构细节,提出了一种基于细节保持的超分辨率重构方法。针对半耦合字典学习超分辨率算法细节保持不够高的缺陷,采用细节约束因子与半耦合字典交替学习策略。在重构阶段,利用图像水平方向与垂直方向的梯度构建细节约束因子,并引入到半耦合字典学习框架,进一步提高重构精度。为了改进细节约束因子在重构过程中的贡献度,采用边界差异的拉普拉斯分布实现参数的自适应选择。相比于半耦合字典学习超分辨率算法,该方法在峰值信噪比方面平均提升1.5%。实验结果表明,该方法在主观和客观评价标准下均取得了较好的重构效果,提升了超分辨率重构质量。
-
关键词
超分辨率
半耦合字典学习
细节约束因子
拉普拉斯分布
-
Keywords
super-resolution
semi-coupled dictionary learning
detail constraint factor
Laplacian distribution
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名自适应半耦合稀疏字典学习算法
被引量：3
- 2
-
-
作者
沈志伟
杨晓敏
吴炜
胡明明
-
机构
四川大学电子信息学院
-
出处
《太赫兹科学与电子信息学报》
北大核心
2018年第3期529-534,546,共7页
-
基金
国家自然科学基金资助项目(61271330
61411140248
+1 种基金
61473198)
四川省科技支撑计划资助项目(2014GZ0005)
-
文摘
为实现图像超分辨力重建,提出了一个自适应半耦合稀疏字典学习算法。由于耦合字典学习算法中存在稀疏编码约束条件太过严苛的缺点,本文采用半耦合的字典学习算法。根据在半耦合的字典学习算法中全局字典表达的局限性,分析和采用了多字典训练算法及相应的重建方法。提出了基于自适应图像块聚类算法的半耦合稀疏字典学习算法。仿真实验结果显示,新算法重建得到的Butterfly,Cameraman,Foreman,Plants,Hat和Lena等图像的峰值信噪比(PSNR)分别比用基于K-means聚类算法的半耦合稀疏字典学习算法得到的重建图像高出0.18 dB,0.16 dB,0.52 dB,0.21 dB,0.23 dB和0.14 dB。该算法可以得到更好的图像重建效果。
-
关键词
自适应聚类
稀疏表示
超分辨力
半耦合字典学习
图像处理
-
Keywords
adaptive clustering
sparse representation
super resolution
semi-coupled sparse dictionary learning
image processing
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
