基于多尺度非局部约束的单幅图像超分辨率算法

来源 :自动化学报 | 被引量 : 13次 | 上传用户:vbpro
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多尺度结构自相似性是指图像中的大量物体具有相同尺度以及不同尺度相似结构的性质.本文提出了一种基于多尺度非局部约束的单幅图像超分辨率算法,结合多尺度非局部方法和多尺度字典学习方法将蕴含在图像多尺度自相似结构中的附加信息加入到重建图像中.多尺度非局部方法在图像金字塔的不同层中搜索相似图像块,并利用多尺度相似图像块间的关系建立非局部约束项,通过正则化约束获取多尺度自相似结构中的附加信息;多尺度字典学习方法将图像金字塔作为字典学习的样本,通过字典学习使样本中的多尺度相似图像块在字典下具有稀疏表示形式,从而获
其他文献
掌纹识别作为一种新兴的生物识别技术近年来得到了广泛研究.鉴于毯子维(Blanket dimension,BD)的多分辨率特性和掌纹纹理的方向性,本文对比分析了普通毯子维、水平方向扩张毯子维和垂直方向扩张毯子维对掌纹分形特征的表达性能,提出并研究了一种基于水平扩张毯子维的掌纹识别新算法.本文算法在香港理工大学掌纹数据库(版本2)进行了实验,实验结果表明,水平扩张毯子维可以很好地提取掌纹特征,获得的识
近年来,人民银行不断加强内部风险的控制工作,制定和颁发了一系列规章制度来防范和控制各类内部风险,但是内部风险控制仍然存在一些薄弱环节,特别是一些重要业务、重要岗位仍然存
在模式识别领域,投票策略是非常有效的,而且已被成功应用到人脸检测、识别等领域.然而,在手写汉字识别(Handwritten Chinese character recognition,HCCR)中,由于类别集很大、训练样本少等特点,现有的很多分类器集成方法方法都很难直接应用于此领域.本文提出一种自产生式投票的方法,该方法通过事先学习得到的参数集产生一个测试集合,然后用一个分类器去识别测试集合中的每
Skyline查询是基于位置服务(Location based service,LBS)的一项重要操作,其目的是发现数据集中不被其他点支配的点的集合.移动对象在运动过程中,其位置信息具有不确定性,导致
传统的高斯混合模型(Gaussian mixture model,GMM)算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科夫随机场(Markov random field,MRF)模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马尔科夫随
针对传统均值漂移算法中核函数直方图对目标特征描述较弱、跟踪窗不能动态调整容易导致目标跟偏或跟丢的缺点,提出了一种改进的均值漂移跟踪算法.为提高目标特征描述的可靠性,采用二阶空间直方图建立目标模型,以Bhattacharyya系数作为相似性度量;通过偏移校正更新目标区域参数建立新的目标模型;结合边缘与角点检测选取特征点建立仿射模型实现跟踪窗的调整;根据卡尔曼残差判断目标是否被遮挡,从而选择卡尔曼滤波