公共文化服务平台

基于梯度指导的双通道深度压缩感知图像重建方法被引量：1: 2023年; 针对压缩感知重建图像边界部分模糊和畸变的问题,将图像的先验特性与深度学习网络相结合,提出了一种基于梯度指导的双通道深度压缩感知图像重建方法。该方法利用梯度图像和原始图像从边缘和纹理2个方面构建了双通道的深度网络模型。一方面,通过梯度分支来恢复高质量梯度图,为最后的重建图像提供额外的结构先验;另一方面,提出了梯度损失,图像的梯度约束有助于重建网络更专注于几何结构。在原图通道中采用混合卷积残差密集连接模块,扩大感受野的同时提取丰富的细节信息。实验结果表明,本方法与其他方法相比,取得了更高的重建质量,特别是在图像边界部分的恢复上有显著提升。; 欧阳宁任天宇林乐平; 关键词：图像重建压缩感知图像梯度

组约束与非局部稀疏的图像去噪算法: 2015年; 现有的非局部稀疏表示去噪算法大多严格依赖于块匹配,且其去噪性能受制于匹配的相似块的数量.鉴于此,提出了组约束与非局部稀疏的图像去噪模型.模型在非局部稀疏的基础上加入了分组约束,增强了图像块之间的非局部相似度,块匹配更加精确.实验表明,模型无论是在视觉效果还是峰值信噪比上均具有较好的性能.; 陈利霞赛朋飞; 关键词：图像去噪

基于改进Contourlet变换的遥感图像融合算法被引量：6: 2015年; 针对基于Contourlet变换的遥感融合图像空间分辨率较低的问题,提出了一种基于改进的Contourlet变换(MCT)的遥感图像融合方法。首先,对多光谱图像进行亮度-色调-饱和度(IHS)变换,得到其亮度、色调、饱和度三个分量;其次,取多光谱图像的亮度分量,与直方图匹配后的全色图像进行改进的Contourlet变换,分别获得低频子带系数与高频子带系数;然后,对低频子带系数采用平均法进行融合,对高频子带系数采用新改进的拉普拉斯能量和(NSML)作为融合规则进行融合;最后,把融合结果作为多光谱图像的亮度分量,通过IHS逆变换得到融合的遥感图像。将所提方法与基于主成分分析(PCA)和Shearlet的方法、基于PCA与小波的方法以及基于非下采样Contourlet变换(NSCT)的方法相比,所提方法在清晰度评价指标平均梯度上分别提高了7.3%、6.9%和3.9%。实验结果表明,所提方法提高了Contourlet变换的频率局部化特性和分解系数利用率,在保持多光谱信息的基础上,有效地提高了遥感融合图像的空间分辨率。; 陈利霞邹宁袁华欧阳宁; 关键词：图像融合遥感图像轮廓波变换

加权稀疏的混合噪声去除模型被引量：1: 2016年; 针对混合噪声,结合加权稀疏与变分,提出了新颖的去噪模型。首先,进行PCA训练自适应字典,再结合非局部相似性,利用噪声的特性进行加权编码。最后,结合变分正则项,再利用对偶方法求出恢复后的图像。仿真实验表明,该算法不仅提高了图像的峰值信噪比,而且更好地保留图像的重要特征,提高图像的视觉效果。; 朱平芳陈利霞; 关键词：混合噪声变分

基于非下采样Shearlet变换与聚焦区域检测的多聚焦图像融合算法被引量：9: 2015年; 为了提高基于多尺度变换的多聚焦图像融合中聚焦区域的准确性,提出了一种基于非下采样Shearlet变换(NSST)与聚焦区域检测的多聚焦图像融合算法。首先,通过基于非下采样Shearlet变换的融合方法得到初始融合图像;其次,将初始融合图像与源多聚焦图像作比较,得到初始聚焦区域;接着,利用形态学开闭运算对初始聚焦区域进行修正;最后,在修正的聚焦区域上通过改进的脉冲耦合神经网络(IPCNN)获得融合图像。与经典的基于小波变换、Shearlet变换的融合方法以及当前流行的基于NSST和脉冲耦合神经网络(PCNN)的融合方法相比,所提算法在客观评价指标互信息(MI)、空间频率和转移的边缘信息上均有明显的提高。实验结果表明,所提出的算法能更准确地识别出源图像中的聚焦区域,能从源图像中提取出更多的清晰信息到融合图像。; 欧阳宁邹宁张彤陈利霞; 关键词：图像融合多聚焦图像

基于自适应稀疏表示的多聚焦图像融合被引量：6: 2015年; 提出了一种基于自适应稀疏表示的多聚焦图像融合算法,该算法根据图像的结构特征将子块分为相似模型、平滑模型和细节模型.三种模型采取不同的处理,相似模型直接放入融合图像,平滑模型和细节模型分别采用加权平均法和稀疏表示法进行融合,从而减少了稀疏编码的图像块数,以提高融合效率.实验结果表明,该方法在保证融合图像主观效果和客观性能指标均优的的情况下,有效缩短了运算时间.; 欧阳宁李子袁华陈利霞; 关键词：多聚焦图像融合自适应

基于卷积神经网络的超分辨率重建被引量：3: 2017年; 分析超分辨率重建中基于卷积神经网络与基于稀疏表示方法的联系,讨论网络卷积核的作用,以及不同网络参数对重建效果的影响,设计一个权衡重建质量和结构复杂度的超分辨率重建卷积神经网络模型。实现低分辨率图像到高分辨率图像的映射,整个网络训练过程是端到端学习,具有全局优化的特点,避免基于稀疏表示方法的复杂特征提取和数据重组的操作,实验结果表明,该方法重建的图像质量在视觉效果和参数评价指标上有较大提高。; 张顺岚曾儿孟高宇莫建文; 关键词：图像超分辨率卷积神经网络网络参数

基于Gabor特征与改进RSC的人脸识别算法被引量：1: 2014年; 针对鲁棒稀疏编码算法(Robust Sparse Coding,RSC)在姿态偏转、遮挡等环境下,特征维数高、识别率较低等问题,结合对该环境下仍具有良好鲁棒性的Gabor特征,提出了一种基于Gabor特征提取的改进的鲁棒稀疏编码算法(Gabor Robust Sparse Coding,GRSC)。首先对人脸图像进行分块处理;然后作多方向和多尺度的Gabor特征提取并构造字典;接着用PCA特征脸法去除相关性和降低维数;最后用加权迭代稀疏编码算法求解得到的最优稀疏系数进行判别归类。在ORL和AR数据库上验证该算法的性能,结果表明在AR数据库上识别率高达98.9%,在ORL人脸库上具有显著的优势,同时有效缩短了识别时间,是一种比较实用的人脸识别方法。; 莫建文赵璞袁华; 关键词：人脸识别

基于PCA子字典学习的图像超分辨率重建被引量：5: 2015年; 针对超分辨重建中过完备字典一方面需要庞大数据库来训练,另一方面利用高度冗余的过完备字典对图像进行稀疏编码,具有潜在的不稳定性和缺乏自适应表示图像块结构的问题,提出一种超分辨率算法。在不需要借助额外数据库的情况下,采用PCA(principal component analysis)迭代训练经过K-均值聚类的低分辨率图像块,生成具有自适应稀疏表示图像块能力的简单子字典,用于超分辨率重建,提高重建图像的质量。利用非局部相似性和迭代反投影对重建图像进行后处理,进一步提高重建图像的质量。实验结果表明,该算法重建得到的图像在主观视觉效果和客观评价上都优于现有的几种基于学习的超分辨率算法。; 首照宇吴广祥张彤; 关键词：超分辨率重建字典学习

基于多字典学习和图像块映射的超分辨率重建被引量：7: 2016年; 针对单一冗余字典在稀疏表示图像超分辨率重建结果出现不清晰、伪影以及重建过程编码效率不高、运算时间过长的问题,提出一种基于多字典学习和图像块映射的超分辨率重建方法。该方法在传统稀疏表示的框架下,首先探索局部图像块的梯度结构信息,按梯度角度将训练样本块分类;然后为每个子类样本集学习高低分辨率字典对,再结合最近邻思想应用生成的字典,为每个子类计算从低分辨率块到高分辨率块映射的函数;最后将重建过程简化为输入块和映射函数的乘积,在保证提高重建质量的同时减少了图像重建的时间。实验结果表明,所提算法在视觉效果有较大的提升,同时与锚点邻域回归算法相比,评价参数峰值信噪比(PSNR)平均提高约0.4 d B。; 莫建文曾儿孟张彤袁华; 关键词：映射函数

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(61362021)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(61362021)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈