多尺度结构自相似性是指同一幅图像中存在相同尺度或不同尺度的相似结构,这种图像结构自相似性广泛存在于自然图像中。提出了一种基于多尺度结构自相似性的单幅图像超分辨率(Super Resolution,SR)算法,该算法不依赖于外界图像,仅在原始...多尺度结构自相似性是指同一幅图像中存在相同尺度或不同尺度的相似结构,这种图像结构自相似性广泛存在于自然图像中。提出了一种基于多尺度结构自相似性的单幅图像超分辨率(Super Resolution,SR)算法,该算法不依赖于外界图像,仅在原始图像的多尺度图像中搜索低分辨率(Low Resolution,LR)图像块的最相似子块,并结合脊回归算法获得低分辨率图像块和相应高分辨率(High Resolution,HR)图像块的映射关系。此外,将原始图像进行旋转、翻转等操作,扩大内部图像块的样本空间。大量的对比实验表明,本文所提算法有效地提高了峰值信噪比(Peak Signal to Noise Ratio,PSNR)和图像可视效果。展开更多
针对航拍图像易受雾气影响,AOD-Net(All in one dehazing network)算法对图像去雾后容易出现细节模糊、对比度过高和图像偏暗等问题,本文提出了一种基于改进AOD-Net的航拍图像去雾算法.本文主要从网络结构、损失函数、训练方式三个方面...针对航拍图像易受雾气影响,AOD-Net(All in one dehazing network)算法对图像去雾后容易出现细节模糊、对比度过高和图像偏暗等问题,本文提出了一种基于改进AOD-Net的航拍图像去雾算法.本文主要从网络结构、损失函数、训练方式三个方面对AOD-Net进行改良.首先在AOD-Net的第二个特征融合层上添加了第一层的特征图,用全逐点卷积替换了传统卷积方式,并用多尺度结构提升了网络对细节的处理能力.然后用包含有图像重构损失函数、SSIM(Structural similarity)损失函数以及TV(Total variation)损失函数的复合损失函数优化去雾图的对比度、亮度以及色彩饱和度.最后采用分段式的训练方式进一步提升了去雾图的质量.实验结果表明,经该算法去雾后的图像拥有令人满意的去雾结果,图像的饱和度和对比度相较于AOD-Net更自然.与其他对比算法相比,该算法在合成图像实验、真实航拍图像实验以及算法耗时测试的综合表现上更好,更适用于航拍图像实时去雾.展开更多
文摘多尺度结构自相似性是指同一幅图像中存在相同尺度或不同尺度的相似结构,这种图像结构自相似性广泛存在于自然图像中。提出了一种基于多尺度结构自相似性的单幅图像超分辨率(Super Resolution,SR)算法,该算法不依赖于外界图像,仅在原始图像的多尺度图像中搜索低分辨率(Low Resolution,LR)图像块的最相似子块,并结合脊回归算法获得低分辨率图像块和相应高分辨率(High Resolution,HR)图像块的映射关系。此外,将原始图像进行旋转、翻转等操作,扩大内部图像块的样本空间。大量的对比实验表明,本文所提算法有效地提高了峰值信噪比(Peak Signal to Noise Ratio,PSNR)和图像可视效果。
文摘针对航拍图像易受雾气影响,AOD-Net(All in one dehazing network)算法对图像去雾后容易出现细节模糊、对比度过高和图像偏暗等问题,本文提出了一种基于改进AOD-Net的航拍图像去雾算法.本文主要从网络结构、损失函数、训练方式三个方面对AOD-Net进行改良.首先在AOD-Net的第二个特征融合层上添加了第一层的特征图,用全逐点卷积替换了传统卷积方式,并用多尺度结构提升了网络对细节的处理能力.然后用包含有图像重构损失函数、SSIM(Structural similarity)损失函数以及TV(Total variation)损失函数的复合损失函数优化去雾图的对比度、亮度以及色彩饱和度.最后采用分段式的训练方式进一步提升了去雾图的质量.实验结果表明,经该算法去雾后的图像拥有令人满意的去雾结果,图像的饱和度和对比度相较于AOD-Net更自然.与其他对比算法相比,该算法在合成图像实验、真实航拍图像实验以及算法耗时测试的综合表现上更好,更适用于航拍图像实时去雾.
