中国博士后科学基金(200902609)
- 作品数：2 被引量：41H指数：2
- 相关作者：李民乐翔程建罗环敏李小文更多>>
- 相关机构：电子科技大学桂林空军学院更多>>
- 发文基金：中国博士后科学基金国家重点基础研究发展计划青年科技基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 非局部学习字典的图像修复被引量：19
- 2011年
- 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。
- 李民程建李小文乐翔
- 关键词：图像修复学习字典非局部
- 稀疏字典编码的超分辨率重建被引量：22
- 2012年
- 基于学习的超分辨率方法通常根据低分辨率图像从样本库中选取若干特征相似的匹配对象,再使用优化算法进行超分辨率估计,但其结果受匹配对象的质量限制,并且匹配特征一般只选择图像的几何结构信息,匹配准确性较低.提出了稀疏字典编码的超分辨率模型,将高、低分辨率图像特征块统一进行稀疏编码,建立高、低分辨率图像的稀疏关联,同步实现匹配搜索和优化估计,突破了上述方法的限制.应用形态分量分析法提取图像的特征数据,提高了特征匹配的准确性,并同步实现超分辨率重建和降噪功能.优化方法采用稀疏K-SVD算法以提高稀疏字典编码的计算速度.采用自然图像进行实验,与其他基于学习的超分辨率算法相比,重建所得到的图像质量更优.
- 李民程建乐翔罗环敏
- 关键词：超分辨率
