韩玉兰
- 作品数：3 被引量：14H指数：1
- 供职机构：哈尔滨工业大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于全变差和稀疏表示的图像超分辨率重构被引量：1
- 2018年
- 为了解决监控图像中目标区域分辨率较低的问题,文中提出了一种图像超分辨率重构算法,算法分为两个阶段:字典训练和重构。在训练阶段,首先将低分辨率样本图像采用全变差的方法扩大到与其对应的高分辨率图像的大小,然后将图像分块并提取特征,最后基于高低分辨率图像块共享稀疏系数的思想,通过一定的算法,训练获得高低分辨率字典对。在重构阶段,首先按训练阶段相同的方法提取输入图像特征块,然后结合低分辨率字典获得稀疏系数,接着通过稀疏系数和高分辨率字典获得重构的图像块,最后将所有图像块融合为高分辨率图像。实验结果表明,算法在监控图像中取得了较为理想的超分辨率重构效果。
- 李智屹韩玉兰刘涛张路
- 关键词：超分辨率图像全变差
- 基于稀疏理论的图像超分辨率重构方法研究
- 目前，大量的视频监控系统被广泛地应用于人们的生产和生活中，然而受限于存储空间和传输带宽，监控图像通常以较低的分辨率进行存储，同时由于单个摄像头覆盖范围比较广，摄像头和嫌疑目标距离通常比较远，人脸和车牌等作为较小的目标，在...
- 韩玉兰
- 关键词：超分辨率字典学习噪声图像
- 稀疏表示下的噪声图像超分辨率重构被引量：13
- 2017年
- 为了能够完成噪声图像的超分辨率重构,提出了一种基于稀疏表示的噪声图像超分辨率重构方法,可以同时完成图像去噪和超分辨率重构。首先,对样本图像和低分辨率图像进行块划分,建立样本库。其次,建立图像退化模型,采用相似样本加权平均的方式对输出的高分辨率图像块进行表示。根据输入的低分辨率图像块,计算样本块与输出的高分辨率图像块之间的相似性。提出了一种相似性描述方法,能够很好地解决噪声带来的影响。然后,采用相似性对稀疏编码优化模型进行惩罚,提出一种权值求解模型。模型可以自适应的搜索相似样本块而不需要预先设定相似块的个数。最后,求解权值,根据权值和样本块重构高分辨率图像块,并重构高分辨率图像。实验结果表明:所提出的方法较其它常见超分辨率算法的峰值信噪比可提高0.5dB左右,重构的图像细节更丰富,去噪效果更好,更适合实际应用。
- 韩玉兰赵永平王启松陈欣欣王晓飞
- 关键词：超分辨率噪声图像
