-
公开(公告)号：CN103136728A
公开(公告)日：2013-06-05
申请号：CN201210596586.3
申请日：2012-12-14
申请人： 西安电子科技大学
IPC分类号： G06T5/00
摘要： 本发明公开一种基于字典学习和非局部总变差的图像超分辨方法，主要解决现有超分辨方法的振铃效应、高频信息丢失、边界匹配不准确等问题。其实现步骤为：(1)输入图像训练集；(2)利用KSVD算法训练两个相对应的高分辨字典与低分辨字典；(3)稀疏表示低分辨输入图像，求出稀疏系数；(4)利用所求的稀疏系数和高分辨字典重构获得高分辨图像；(5)对重构得到的高分辨图像进行非局部总变差去振铃效应；(5)通过误差补偿对高分辨图像进行高频信息增强，得到最终的结果。经仿真实验表明，与现有技术比较，本发明具有操作简单，噪声小，边缘清晰等优点，可用于高分辨率图像的获取。
-
公开(公告)号：CN103136727A
公开(公告)日：2013-06-05
申请号：CN201210596583.X
申请日：2012-12-14
申请人： 西安电子科技大学
摘要： 本发明公开一种基于梯度一致性与各向异性正则化的超分辨图像重建方法，用于解决超分辨图像重建自适应保持高频图像信息，恢复图像细节信息。其步骤为：输入一幅低分辨图像，利用双三次插值方法对输入图像上采样得到插值图像，采用梯度一致性与各向异性正则化条件GCAR约束目标函数，对插值图像进行反卷积运算，判断反卷积后得到的图像是否满足输出条件，如果满足，则输出超分辨结果；如果不满足，则对反卷积后的图像再卷积和像素替换，进入下一次反卷积运算，如此迭代，直到满足输出条件。本发明具有保持低对比度图像区域低分辨图像和相应高分辨图像梯度一致性，能自适应恢复图像细节信息的优点，可用于视频应用领域。
-
公开(公告)号：CN102663757A
公开(公告)日：2012-09-12
申请号：CN201210118455.4
申请日：2012-04-20
申请人： 西安电子科技大学
IPC分类号： G06T7/00
摘要： 本发明公开一种基于核传递的半自动图像分割方法，主要解决现有交互式图像分割方法不能保持数据一致性，分割结果不稳定和边缘不清晰的问题。其实现步骤为：输入一幅待分割图像，利用均值漂移方法获得输入图像的超像素集，计算超像素颜色直方图特征集；采用Bhattacharyya系数公式构造相似度矩阵W；用户在预分割之后的图像上交互操作，得到种子超像素集合，构造must-link约束集合M和cannot-link约束集合C；利用核传递方法将约束信息M和C传递到整个核空间，获得核矩阵R；由k均值聚类方法对核矩阵R聚类，获得聚类标记向量，输出显示分割结果。本发明具有数据一致性好，分割结果稳定，操作简单且边缘清晰的优点，可用于图像检索，2D转3D技术，目标检测与跟踪及医学图像分析。
-
公开(公告)号：CN103295192B
公开(公告)日：2016-05-25
申请号：CN201310167915.7
申请日：2013-05-08
申请人： 西安电子科技大学
IPC分类号： G06T5/00
摘要： 本发明公开一种基于GPU加速的图像实时超分辨重建方法，主要解决现有高质量图像超分辨重建串行算法难以实时处理的问题。其实现步骤为：（1）输入一幅低分辨图像；（2）对该低分辨图像进行双三次插值上采样得到插值图像；（3）对所得插值图像进行基于梯度一致和方向异性约束的图像去卷积运算，并在GPU上对去卷积运算进行并行化加速，从而在极短的时间内得到输出的超分辨图像。实验表明，本发明能在非常短的计算时间内获得包含良好细节、纹理清晰、结构自然合理的高质量超分辨结果，可广泛应用于图像分辨率改变的相关应用领域中。
-
公开(公告)号：CN103136727B
公开(公告)日：2016-03-02
申请号：CN201210596583.X
申请日：2012-12-14
申请人： 西安电子科技大学
摘要： 本发明公开一种基于梯度一致性与各向异性正则化的超分辨图像重建方法，用于解决超分辨图像重建自适应保持高频图像信息，恢复图像细节信息。其步骤为：输入一幅低分辨图像，利用双三次插值方法对输入图像上采样得到插值图像，采用梯度一致性与各向异性正则化条件GCAR约束目标函数，对插值图像进行反卷积运算，判断反卷积后得到的图像是否满足输出条件，如果满足，则输出超分辨结果；如果不满足，则对反卷积后的图像再卷积和像素替换，进入下一次反卷积运算，如此迭代，直到满足输出条件。本发明具有保持低对比度图像区域低分辨图像和相应高分辨图像梯度一致性，能自适应恢复图像细节信息的优点，可用于视频应用领域。
-
公开(公告)号：CN103136728B
公开(公告)日：2015-09-02
申请号：CN201210596586.3
申请日：2012-12-14
申请人： 西安电子科技大学
IPC分类号： G06T5/00
摘要： 本发明公开一种基于字典学习和非局部总变差的图像超分辨方法，主要解决现有超分辨方法的振铃效应、高频信息丢失、边界匹配不准确等问题。其实现步骤为：(1)输入图像训练集；(2)利用KSVD算法训练两个相对应的高分辨字典与低分辨字典；(3)稀疏表示低分辨输入图像，求出稀疏系数；(4)利用所求的稀疏系数和高分辨字典重构获得高分辨图像；(5)对重构得到的高分辨图像进行非局部总变差去振铃效应；(5)通过误差补偿对高分辨图像进行高频信息增强，得到最终的结果。经仿真实验表明，与现有技术比较，本发明具有操作简单，噪声小，边缘清晰等优点，可用于高分辨率图像的获取。
-
公开(公告)号：CN103295192A
公开(公告)日：2013-09-11
申请号：CN201310167915.7
申请日：2013-05-08
申请人： 西安电子科技大学
IPC分类号： G06T5/00
摘要： 本发明公开一种基于GPU加速的图像实时超分辨重建方法，主要解决现有高质量图像超分辨重建串行算法难以实时处理的问题。其实现步骤为：（1）输入一幅低分辨图像；（2）对该低分辨图像进行双三次插值上采样得到插值图像；（3）对所得插值图像进行基于梯度一致和方向异性约束的图像去卷积运算，并在GPU上对去卷积运算进行并行化加速，从而在极短的时间内得到输出的超分辨图像。实验表明，本发明能在非常短的计算时间内获得包含良好细节、纹理清晰、结构自然合理的高质量超分辨结果，可广泛应用于图像分辨率改变的相关应用领域中。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.023 秒)
