积分商城

最新搜索： ispLEVER ESAM sonar STM8S003 BRIGHTEK 电解电容封装库
您现在的位置是：首页 > 技术资料 > 小波域多角度轮廓模板变分模型的单幅图像超分辨率重建
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

小波域多角度轮廓模板变分模型的单幅图像超分辨率重建

更新时间：2019-12-24 02:27:02 大小：1M 上传用户：守着阳光1985查看TA发布的资源 标签：图像超分辨率 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

近年来图像超分辨率重建技术因其可以提高图像的识别精度和识别能力而受到重视,其中一个难点问题是如何保证图像边缘纹理区域的重建质量.本文提出一种基于小波域的单幅图像超分辨率重建方法,首先对输入图像进行非下采样小波变换,根据小波变换的多方向性提出三类多角度模板,并采用TV模型估计各子带轮廓,确定其所属的最优方向,然后利用多角度模板来对各个子带进行双三次B样条插值,最后进行非下采样小波反变换.该方法使重建后图像的边缘、纹理信息更加精细,克服了诸如双线性插值法与双三次插值法等传统插值重建所产生的边缘模糊与边缘锯齿化,以及纹理区域失真等不足,在一定程度上提高了重建图像的质量.该方法可用于图像监控、遥感影像分析和医学图像处理等领域.大量的仿真实验验证了所提出方法的有效性.


部分文件列表

文件名 大小
小波域多角度轮廓模板变分模型的单幅图像超分辨率重建.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
9
Vol． 46 No． 9  
Sep． 2018  
第
期
电
子
学
报
2018  
9
ACTA ELECTRONICA SINICA  
年
月
小波域多角度轮廓模板变分模型的  
单幅图像超分辨率重建  
1，2  
1
1
2
，
，
，
王相海 赵晓阳 毕晓昀 陶兢喆  
( 1．  
，
116081; 2.  
，
116029)  
辽宁师范大学计算机与信息技术学院 辽宁大连  
辽宁师范大学城市与环境学院 辽宁大连  
:
，
近年来图像超分辨率重建技术因其可以提高图像的识别精度和识别能力而受到重视 其中一个难点问  
摘
要
． ，  
题是如何保证图像边缘纹理区域的重建质量 本文提出一种基于小波域的单幅图像超分辨率重建方法 首先对输入图  
，
像进行非下采样小波变换 根据小波变换的多方向性提出三类多角度模板 并采用  
，
TV  
，
模型估计各子带轮廓 确定其  
，
B
，
所属的最优方向 然后利用多角度模板来对各个子带进行双三次 样条插值 最后进行非下采样小波反变换 该方法  
．
、 ，  
使重建后图像的边缘 纹理信息更加精细 克服了诸如双线性插值法与双三次插值法等传统插值重建所产生的边缘模  
，
，
．
糊与边缘锯齿化 以及纹理区域失真等不足 在一定程度上提高了重建图像的质量 该方法可用于图像监控 遥感影像  
、
．
分析和医学图像处理等领域 大量的仿真实验验证了所提出方法的有效性  
．
:
;
;
;
;
;
;
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
非下采样小波 轮廓模板 变分模型 方向插值 超分辨率 边缘 高频子带 多角度 模板矩阵  
TP391  
0372-2112 ( 2018) 09-2256-07  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 09． 030  
:
:
A
:
文章编号  
文献标识码  
电子学报  
Single Image Super-resolution Reconstruction Approach Based on Multi-angle  
Contour Templates Variational Calculus Model in Wavelet Domain  
1，2  
1
1
2
WANG Xiang-hai ，ZHAO Xiao-yang ，BI Xiao-yun ，TAO Jing-zhe  
( 1. School of Computer and Information Technology，Liaoning Normal University，Dalian，Liaoning 116081，China;  
2. School of Urban and Environmental Sciences，Liaoning Normal Universtiy，Dalian，Liaoning 116029，China)  
Abstract: In recent years，the study of image super-resolution reconstruction technology has been paid much attention  
to，because it can improve image recognition accuracy and recognition ability． One of the difficult problems is how to ensure  
the reconstruction quality of image edge texture area． In this paper，a single image super-resolution reconstruction approach  
based on wavelet domain is proposed． Firstly，the non-subsampled wavelet transform ( NSWT) is applied to the input image，  
according to the multi-directionality of wavelet transform，three kinds of multi-angle templates are proposed，and each subband  
contour is estimated by total variation model ( TV model) to determine its optimal direction． Then，the multi-angle templates  
and bicubic B-spline interpolation are used to interpolate the subbands． Finally，the non-subsampled wavelet inverse transform  
is implemented． This approach makes edge information and texture information of the reconstructed images more precise，and  
overcomes some deficiencies such as edge blurring，edge serration，as well as distortion of texture region，caused by traditional  
interpolation reconstruction approaches，such as bilinear interpolation and bicubic interpolation，etc． The quality of reconstructed  
image is improved． This approach can be used in image monitoring，remote sensing image analysis，medical image processing，  
and so on． A large number of simulation experiments verify the effectiveness of the proposed approach．  
Key words: non-subsampled wavelet transform; contour template; variational calculus model; directional interpola-  
tion; super-resolution reconstruction; edge; high-frequency subbands; multi-angle; template matrix  
、
见的插值法比如近邻插值法 双线性插值法与双三次  
1
引言  
、 ，  
插值法等尽管直观 简单 且能够在一定程度上提高图  
，
插值法在提高图像分辨率中发挥着重要作用 常  
，
像的空间分辨率 但重建图像中边缘区域的失真也较  
: 2017-09-10;  
: 2018-03-12;  
:
收稿日期  
修回日期  
责任编辑 覃怀银  
:
( No． 1671439，No． 61402214) ;  
( No． LT2017013)  
基金项目 国家自然科学基金  
辽宁省高等学校创新团队支持计划  
2257  
9
:
王相海 小波域多角度轮廓模板变分模型的单幅图像超分辨率重建  
第
期
2
1
为明显［1，2］ 因此如何有效的提高插值图像边缘及纹理  
［3］  
令 Ω  
∈
．
R ，u L ( ) (  
Ω 为一有界开集 通常被假定为  
Lipschitz ) ， u = u( x，y)  
，
u
是光滑的 则 的全变分  
．
丰富区域的重建效果成为该领域的一个难题 文献  
域
且
TV［u］  
定义为  
:
提出一种基于方向滤波和数据融合的边缘引导非线性  
，
，
插值的方法 保证了图像的边缘锐度 在一定程度上减  
min TV［u］=  
Ω
|
u | dxdy， u = ( u ，u ) ( 1)  
#
#
x
y
∫
u
BV(  
)
∈
Ω
;
［4］  
少了振铃伪影现象 文献 提出了一种使用离散小波  
u
其中 满足下列约束条件  
:
( DWT) ( SWT)  
的分辨率增强方  
变换  
和平稳小波变换  
，
DWT  
，
法 对图像的  
子带进行插值处理 同时利用经  
u( x，y) dxdy = u ( x，y) dxdy，  
0
∫
∫
Ω
Ω
SWT  
DWT  
获得的高频子带对插值后的  
高频子带进行  
1
2
2
，
;
［5］  
矫正 以增强重构图像边缘细节信息 文献 提出了  
( u( x，y) － u ( x，y) ) dxdy =  
σ
0
∫
Ω
Ω
Contourlet  
，
一种基于  
图像的线性插值作为初始估计 通过对图像的  
变换的图像插值方法 将低分辨率  
，
［6，7］  
( Contour  
进一步 文献 提出了一种轮廓模板  
，
Contour-  
Stencils，CS)  
TV  
用以离散化  
模型中积分区域的轮廓边  
let  
子带系数进行稀疏约束和对低分辨率图像进行观测  
，CS  
:
缘曲线  
对于图像  
( 2)  
的定义如下  
．
约束来保证图像边缘纹理区域插值的规则性 这些方  
u， CS  
其
为描述像素间连接关系的一个  
，
法通过对图像边缘和纹理区域采取相应的特殊策略  
*
S ［u］( k) :  
所示的函数  
如式  
．
来尽可能保证其插值信息的合理性  
*
S ［u］( k) : =  
S( m，n)  
R
u
－ u  
( 2)  
∑
k + m  
k + n  
、
，
为了更加凸显边缘 纹理信息的重要性 文献  
［6］  
2
m，n  
∈
k
其中 是当前像素  
．
，
提出一种轮廓模板插值法 该方法应用基于曲线的总  
，
［6］  
8
进一步 文献 定义了 种轮廓模板 Σ 对每一个  
，
( TV)  
，
轮廓模板来估算图像的轮廓部分 进而构建  
变分  
*
k， ( 3)  
像素 按照式  
S ［u］( k)  
寻找使  
达到最小的轮廓  
．
边缘自适应插值方案 然而由于所采用的轮廓模板所  
S，  
模板 并将由这些轮廓模板所形成的轮廓作为  
TV  
模
，
能表征的纹理方向较少 对纹理丰富区域的重建效果  
．
型中轮廓边缘曲线的近似估计  
*
;
，
［7］  
有待提高 进一步 文献 通过应用整合成曲线集的  
S = arg minS ［u］( k)  
( 3)  
，
总变分连续公式 定义了一致离散化的轮廓模板来对  
S
∈Σ  
，
，
图像进行插值 在一定程度上提高了插值的精度 但该  
3
小波域多角度模板变分模型图像重建  
．
［6，  
方法存在着对边缘纹理信息的过处理倾向 在文献  
7］ ［8］  
3. 1  
小波域多角度模板提出  
，
的基础上 文献 提出一种基于多方向模板变分模  
小波变换所具有的多尺度与多方向性质使其可以  
，
型的单幅图像超分辨率重建技术 该方法构建了能够  
，
将图像在独立的频带和不同方向上进行分解 为图像  
28 3 × 3 ， TV  
体现  
个方向的  
轮廓模板 同时将  
模型引入  
．
边缘纹理信息的精细分析提供了可能  
，
到图像轮廓的估计中来确定边缘轮廓的最优方向 在  
u
对图像 进行非下采样的小波分解后所得到的三  
，
一定程度上增强了对纹理方向信息的捕捉能力 但所  
( 1)  
( 2)  
u
( i) ( i = 1，2，3) ，  
u
、u  
u
类高频子带  
其中  
和
( 3) 分别表  
，
提出的方法是基于空间域 在获取复杂纹理信息时受  
、
示水平 垂直和对角线方向的高频子带以及其上的简  
．
到一定限制  
C
( i) ( i = 1，2，3) ，  
T
( 4)  
:
所示  
单光滑曲线  
其定义如式  
本文提出一种基于小波域多角度轮廓模板变分模  
(
i)  
( i)  
( i)  
( i) ( t) ) | dt  
( 4)  
(
i)  
，
型的单幅图像超分辨率重建方法 依据图像经小波变  
u
=
|
u
(
‖
‖
γ
TV( C  
)
∫
0
t
，
换后其边缘和纹理信息主要集中在三类高频子带中  
( i)  
( i)  
( i)  
( i) : ［0，T  
］
C
C
，
其中 γ  
( i)  
为
的参数 通过确定使  
→
，
针对各个子带提出三类多角度轮廓模板 并通过  
TV  
模
( i)  
( i)  
(
i)  
u
C
u
‖
‖
) 达到最小的  
作为  
中的近似边缘  
TV( C  
，
型确定最优方向 利用多角度模板来对各个子带进行  
．
轮廓  
B
，
．
双三次 样条插值 进而实现超分辨率重建 由于采用  
( i)  
，
进一步 对每一类高频子带  
u
( i = 1，2，3) ，  
分别  
，
了更具针对性的纹理信息插值方法 进一步提高重建  
:
定义多角度轮廓模板如下  
( i) *  
k
．
( i)  
k
图像的纹理信息精度  
S
［u( i) ］( m，n) : = S ·B( i) ( m，n)  
( 5)  
( i)  
B
( i) ( m，n)  
u
( m，n)  
其中  
为高频子带  
中
处像素与其八  
2
基于总变分的图像轮廓估计  
，
邻域的差矩阵 其表达式为  
:
TV  
Rudin  
模型是由  
等人利用有界变分函数空间  
B
( i) ( m，n) =  
BV(  
) ，  
Ω 允许存在不连续点特性 从能量极小化的视角  
( i)  
( i)  
( i)  
( i)  
m，n  
( i)  
( i)  
|
m，n  
| u  
－ u  
|
| u  
－ u  
|
| u  
－ u  
m － 1，n － 1  
m，n  
m，n － 1  
m + 1，n － 1  
1
L
将
范数作为正则化项引入到图像恢复过程中形成  
( i)  
m － 1，n  
( i)  
m，n  
( i)  
( i)  
| u  
－ u  
|
0
| u  
－ u  
|
;
的［9］ 在去噪的过程中有效的保持了图像的边缘 设噪  
2
m + 1，n  
m，n  
( i)  
．
．
( i)  
( i)  
( i)  
( i)  
( i)  
| u  
| u  
－ u  
|
| u  
－ u  
|
－ u  
|
m － 1，n + 1  
m，n  
m，n + 1  
m，n  
m + 1，n + 1  
m，n  
，
声的均值为零 方差为 σ  
，TV  
:
模型的基本表现形式为  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号