基于自适应块组割先验的噪声图像超分辨率重建

被引：9

作者：

李滔

何小海

卿粼波

滕奇志

机构：

[1] 四川大学电子信息学院

来源：

自动化学报 | 2017年 / 43卷 / 05期

关键词：

超分辨率; 稀疏表示; 块组割; 分区域融合;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

摘要：

要增强噪声图像的分辨率,传统的串联方式依次进行去噪与超分辨率重建两个步骤,但去噪算法去除噪声的同时也损失了部分细节信息,影响了后续超分辨率重建的质量.为了使低分辨率噪声图像中所有细节信息都能参与超分辨率重建,本文以非局部中心化稀疏表示(Nonlocally centralized sparse representation,NCSR)模型为基础,提出了基于自适应块组割(Patch-group-cuts,PGCuts)先验的噪声图像超分辨率重建方法,同时实现去噪和超分辨率重建功能.块组割先验基于新颖的三维邻域系统和块组模型,能够达到图像去噪、边缘平滑和边缘清晰等效果,重建时以边缘强度为参考对块组割先验进行自适应约束,由于块组割在平滑区域约束力较低,采用分区域融合的方式进一步抑制噪声.本文对合成的低分辨率噪声图像和真实的低分辨率噪声图像进行了重建实验,实验表明,基于自适应块组割先验的噪声图像超分辨率重建算法,在丰富细节的同时能抑制噪声的干扰,不但具有较高的峰值信噪比和结构相似度等客观评价值,而且在非光滑区域具有很好的主观重建效果.

引用

页码：765 / 777

页数：13

共 8 条

[1]

基于稀疏梯度场的非局部图像去噪算法 [J].

张瑞 ;

冯象初 ;

王斯琪 ;

常莉红 .

自动化学报, 2015, 41 (09) :1542-1552

[2]

基于两步迭代TV正则化的电阻抗图像重建算法 [J].

范文茹 ;

王化祥 ;

郝魁红 .

仪器仪表学报, 2012, 33 (03) :625-630

[3]

基于迭代重加权的非刚性图像配准 [J].

韩雨 ;

王卫卫 ;

冯象初 .

自动化学报, 2011, 37 (09) :1059-1066

[4]

基于联合稀疏近似的彩色图像超分辨率重建 [J].

李民 ;

程建 ;

乐翔 ;

李小文 .

光电子激光, 2011, 22 (08) :1241-1245

[5]

Space–time super-resolution with patch group cuts prior[J] Tao Li;Xiaohai He;Qizhi Teng;Zhengyong Wang;Chao Ren Signal Processing: Image Communication 2015,

[6]

Enhancing Sparsity by Reweighted <Emphasis Type="Italic">ℓ</Emphasis> <Subscript>1</Subscript> Minimization[J] Emmanuel J. Candès;Michael B. Wakin;Stephen P. Boyd Journal of Fourier Analysis and Applications 2008,

[7]

Image denoising in the wavelet domain using a new adaptive thresholding function[J] Mehdi Nasri;Hossein Nezamabadi-pour Neurocomputing 2008,

[8]

An iterative thresholding algorithm for linear inverse problems with a sparsity constraint[J] I. Daubechies;M. Defrise;C. De Mol Communications on Pure and Applied Mathematics 2004,

← 1 →