基于特征表征的单幅图像超分辨方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于特征表征的单幅图像超分辨方法

李晓峰, 曾蕾, 徐进, 马世琪

文章导航 > 电子科技大学学报 > 2015 > 44(1): 22-27

李晓峰, 曾蕾, 徐进, 马世琪. 基于特征表征的单幅图像超分辨方法[J]. 电子科技大学学报, 2015, 44(1): 22-27. doi: 10.3969/j.issn.1001-0548.2015.01.003

引用本文:

李晓峰, 曾蕾, 徐进, 马世琪. 基于特征表征的单幅图像超分辨方法[J]. 电子科技大学学报, 2015, 44(1): 22-27. doi: 10.3969/j.issn.1001-0548.2015.01.003

LI Xiao-feng, ZENG Lei, XU Jin, MA Shi-qi. Single Image Super-Resolution Based on the Feature Sign Method[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(1): 22-27. doi: 10.3969/j.issn.1001-0548.2015.01.003

Citation:

LI Xiao-feng, ZENG Lei, XU Jin, MA Shi-qi. Single Image Super-Resolution Based on the Feature Sign Method[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(1): 22-27. doi: 10.3969/j.issn.1001-0548.2015.01.003

基于特征表征的单幅图像超分辨方法

doi: 10.3969/j.issn.1001-0548.2015.01.003

1.
电子科技大学通信与信息工程学院成都 611731

基金项目:

国家自然科学基金(61075013);中国博士后科学基金(20100471671)

作者简介:
李晓峰(1963-),男,博士生,教授,主要从事图像处理和通信系统方面的研究.

中图分类号: TP301.6

Single Image Super-Resolution Based on the Feature Sign Method

1.
School of Communication and Information Engineering,University of Electronic Science and Technology of China Chengdu 611731

Funds:

Supported by the National Natural Science Foundation of China (61075013); China Postdoctoral Science Foundation (20100471671)

摘要: 基于稀疏表示的图像超分辨是近年信号处理中的研究热点,快速准确地找到图像的稀疏表示系数是该方法的关键。该文提出了一种基于特征表征的算法来求解图像块的稀疏表示系数。受压缩感知理论启发,使用联合训练的字典来进行图像超分辨。特征表征算法在每一次迭代中,通过确定稀疏系数的符号,将求解的非凸问题变为凸问题,有效提高所得稀疏系数的准确性和超分辨算法速度。仿真结果显示,与插值法和经典的稀疏表示法比较,特征表征法可以得到更好的主观视觉评价和客观量化评价。
- 特征表征方法 /
- 图像重建 /
- 图像分辨率 /
- 稀疏表示
Abstract: Recently, the super-resolution methods based on sparse representation has became a research hotpot in signal processing. How to calculate the sparse coefficients fast and accurately is the key of sparse representation algorithm. In this paper, we propose a feature sign method to compute the sparse coefficients in the search step. Inspired by the compressed sensing theory, two dictionaries are jointly learnt to conduct super-resolution in this method. The feature sign algorithm changes the non-convex problem to a convex one by guessing the sign of the sparse coefficient at each iteration. It improves the accuracy of the obtained sparse coefficients and speeds the algorithm. Simulation results show that the proposed scheme outperforms the interpolation methods and classic sparse representation algorithms in both subjective inspects and quantitative evaluations.
- feature sign method /
- image reconstruction /
- image resolution /
- sparse representation

[1]	莫太平, 黄巧人, 陈德鸿, 伍锡如, 张向文. 改进可逆缩放网络的图像超分辨率重建 . 电子科技大学学报, 2023, 52(5): 739-746. doi: 10.12178/1001-0548.2022261
[2]	张婷婷, 杨红雨, 林毅. 融合表示学习的中医面部穴位检测框架 . 电子科技大学学报, 2023, 52(2): 175-181. doi: 10.12178/1001-0548.2022392
[3]	王兆滨, 马一鲲, 崔子婧. 基于引导滤波与稀疏表示的医学图像融合 . 电子科技大学学报, 2022, 51(2): 264-273. doi: 10.12178/1001-0548.2021165
[4]	张天一, 李文昌, 肖金玉, 刘剑. 基于稀疏字典学习的VLSI温度场重构技术 . 电子科技大学学报, 2021, 50(4): 502-507. doi: 10.12178/1001-0548.2020417
[5]	朱赟, 陈明真, 陈莹, 喻高航, 威力. 稀疏角度CT图像重建的一类自适应临近点算法 . 电子科技大学学报, 2019, 48(2): 228-232. doi: 10.3969/j.issn.1001-0548.2019.02.011
[6]	王军, 夏利民. 基于因果分析的群体行为识别 . 电子科技大学学报, 2018, 47(2): 256-261. doi: 10.3969/j.issn.1001-0548.2018.02.015
[7]	曹健, 魏星, 李海生, 蔡强. 基于局部特征的图像分类方法 . 电子科技大学学报, 2017, 46(1): 69-74. doi: 10.3969/j.issn.1001-0548.2017.01.011
[8]	包昕, 周磊砢, 何可, 游凌. LDPC码稀疏校验矩阵的重建方法 . 电子科技大学学报, 2016, 45(2): 191-196.
[9]	黄颖, 王文斌, 郑弘晖. 基于代数多重网格的图像传感器物体识别技术 . 电子科技大学学报, 2015, 44(5): 743-748. doi: 10.3969/j.issn.1001-0548.2015.05.018
[10]	夏慧, 刘国强, 郭亮, 黄欣, 陈晶. 二维磁声电图像重建及成像影响因素分析 . 电子科技大学学报, 2015, 44(1): 150-154. doi: 10.3969/j.issn.1001-0548.2015.01.026
[11]	刘怡光, 赵晨晖, 黄蓉刚, 第宝峰. 勿需图像矫正的高精度窄基线三维重建算法 . 电子科技大学学报, 2014, 43(2): 262-267. doi: 10.3969/j.issn.1001-0548.2014.02.020
[12]	程建, 黎兰, 王海旭. 稀疏表示框架下的SAR目标识别 . 电子科技大学学报, 2014, 43(4): 524-529. doi: 10.3969/j.issn.1001-0548.2014.04.009
[13]	赵贻玖, 王厚军, 戴志坚. 高速模拟信号压缩采样实现 . 电子科技大学学报, 2012, 41(4): 537-540. doi: 10.3969/j.issn.1001-0548.2012.04.011
[14]	吕雁, 冯大政. 有监督的水平集高分辨SAR图像分割方法 . 电子科技大学学报, 2011, 40(3): 357-362. doi: 10.3969/j.issn.1001-0548.2011.03.005
[15]	吴炜, 杨晓敏, 余艳梅, 石一兴, 何小海. 核偏最小二乘算法的图像超分辨率算法 . 电子科技大学学报, 2011, 40(1): 105-110. doi: 10.3969/j.issn.1001-0548.2011.01.020
[16]	刘昶, 周激流, 何坤, 张健. 正交非负CP分解的图像表示和识别 . 电子科技大学学报, 2011, 40(6): 905-910. doi: 10.3969/j.issn.1001-0548.2011.06.019
[17]	陈科, 朱清新, 易涛. 带稀疏惩罚的LCNN盲目图像复原 . 电子科技大学学报, 2008, 37(6): 926-929.
[18]	何晓乾, 陈雷霆, 房春兰. 基于纹理映射的医学图像三维重建 . 电子科技大学学报, 2007, 36(3): 576-578,586.
[19]	尹忠科, 王建英, Pierre Vandergheynst. 由图像的稀疏分解重建图像的快速算法 . 电子科技大学学报, 2006, 35(4): 447-449.
[20]	刘国庆, 黄顺吉. 纹理SAR图像的多分辨率分析和分类(英文) . 电子科技大学学报, 1997, 26(6): 585-589.

WeChat

点击查看大图

计量

文章访问数: 3519
HTML全文浏览量: 140
PDF下载量: 86
被引次数: 0

基于特征表征的单幅图像超分辨方法

doi: 10.3969/j.issn.1001-0548.2015.01.003

1. 电子科技大学通信与信息工程学院成都 611731

基金项目:

国家自然科学基金(61075013);中国博士后科学基金(20100471671)

作者简介:
李晓峰(1963-),男,博士生,教授,主要从事图像处理和通信系统方面的研究.

收稿日期: 2013-07-10
修回日期: 2014-09-05
刊出日期: 2015-02-15

中图分类号: TP301.6

关键词:

摘要: 基于稀疏表示的图像超分辨是近年信号处理中的研究热点,快速准确地找到图像的稀疏表示系数是该方法的关键。该文提出了一种基于特征表征的算法来求解图像块的稀疏表示系数。受压缩感知理论启发,使用联合训练的字典来进行图像超分辨。特征表征算法在每一次迭代中,通过确定稀疏系数的符号,将求解的非凸问题变为凸问题,有效提高所得稀疏系数的准确性和超分辨算法速度。仿真结果显示,与插值法和经典的稀疏表示法比较,特征表征法可以得到更好的主观视觉评价和客观量化评价。

English Abstract

李晓峰, 曾蕾, 徐进, 马世琪. 基于特征表征的单幅图像超分辨方法[J]. 电子科技大学学报, 2015, 44(1): 22-27. doi: 10.3969/j.issn.1001-0548.2015.01.003

引用本文:

李晓峰, 曾蕾, 徐进, 马世琪. 基于特征表征的单幅图像超分辨方法[J]. 电子科技大学学报, 2015, 44(1): 22-27. doi: 10.3969/j.issn.1001-0548.2015.01.003

LI Xiao-feng, ZENG Lei, XU Jin, MA Shi-qi. Single Image Super-Resolution Based on the Feature Sign Method[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(1): 22-27. doi: 10.3969/j.issn.1001-0548.2015.01.003

Citation:

LI Xiao-feng, ZENG Lei, XU Jin, MA Shi-qi. Single Image Super-Resolution Based on the Feature Sign Method[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(1): 22-27. doi: 10.3969/j.issn.1001-0548.2015.01.003

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发