-
题名非局部联合稀疏近似的超分辨率重建算法
被引量：7
- 1
-
-
作者
李民
李世华
李小文
乐翔
-
机构
电子科技大学地表空间信息技术研究所
桂林空军学院科研部
电子科技大学电子工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2011年第6期1407-1412,共6页
-
基金
国家973计划项目(2007CB714406)
国家自然科学基金(40801130)资助课题
-
文摘
该文结合联合稀疏近似和非局部自相似的概念,提出非局部联合稀疏近似的超分辨率重建方法。该方法将输入图像的跨尺度高、低分辨率图像块统一进行联合稀疏编码,建立它们之间的稀疏关联,并将这种关联作为先验知识来指导图像的超分辨率重建。该文方法保证跨尺度自相似集具有相同的稀疏性模式,能更有效地利用图像的自相似性先验信息,提高算法的自适应性。通过自然图像实验,与其它几种基于学习的超分辨率算法对比,超分辨率效果有较好改善。
-
关键词
图像处理
超分辨率
联合稀疏近似
非局部
跨尺度
-
Keywords
Image processing
Super-resolution
Simultaneous sparse approximation
Non-local
Cross-scale
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名非局部学习字典的图像修复
被引量：18
- 2
-
-
作者
李民
程建
李小文
乐翔
-
机构
电子科技大学地表空间信息技术研究所
桂林空军学院科研部
电子科技大学电子工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2011年第11期2672-2678,共7页
-
基金
国家973计划项目(2007CB714406)
中国博士后基金特别资助项目(200902609)
电子科技大学青年科技基金重点项目(JX0804)资助课题
-
文摘
该文提出一种新的基于学习的图像修复算法。与经典的稀疏表示模型不同,该文将非局部自相似图像块统一进行联合稀疏表示,训练高效的学习字典,并使自相似块间保持相同的稀疏模式。该方法既确保自相似块投影到稀疏空间后也具有相似性,也较好地保留了自相似块间的相关性信息,更有效地建立了它们的联合稀疏关联,并将这种关联作为先验知识来指导图像的修复。该算法使用大量自然图像样本来训练初始的过完备字典,既利用了样本图像的先验知识,又充分考虑了待处理图像本身的相关信息,自适应性强。通过对自然图像进行大﹑小范围图像修复和文字去除实验,该文方法均取得不错的修复效果。
-
关键词
图像修复
学习字典
稀疏表示
联合稀疏近似
非局部
-
Keywords
Image inpainting
Learning dictionary
Sparse representation
Simultaneous sparse approximation
Non-local
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
