-
公开(公告)号：CN103279933B
公开(公告)日：2016-10-26
申请号：CN201310225721.8
申请日：2013-06-07
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 一种基于双层模型的单幅图像超分辨率重建方法，其包括（1）利用L0梯度最小化方法和HoG算子生成K个训练簇，然后训练它的对应字典对；（2）依据HoG算子，自适应的选取用于测试的低分辨率图像块对应的几何字典对，并求解出低分辨率图像对应的高分辨率纹理细节图像；（3）利用L0梯度最小化方法求解出用于测试的低分辨率图像对应的高分辨率边缘结构图像；（4）把求解出的高分辨率纹理细节图像加到高分辨率边缘结构图像上得到初始高分辨率图像；（5）对初始高分辨率图像进行全局和局部约束得到最终高分辨率图像。本发明可以使得重建后的图像轮廓更清晰，细节信息更丰富，提高重建后的图像质量。
-
公开(公告)号：CN104123707A
公开(公告)日：2014-10-29
申请号：CN201410386583.6
申请日：2014-08-07
Applicant: 重庆大学
IPC: G06T5/50
Abstract: 本发明是一种基于局部秩先验的单幅图像超分辨率重建方法。其核心是通过学习方法得到高分辨率图像的局部秩先验信息，利用这种先验信息，通过能量最小函数，约束待重建高分辨率图像的局部秩。然后将这种能量最小函数转化为局部秩约束的重建模型。考虑到图像的非局部特性，提出一种全局与非局部结合的优化模型。为了得到更好的非局部权值，还提出一种基于局部秩的优化的权值计算方法。本发明所提出的重建模型不仅能够很好的重建具有较多细节的高分辨率图像，而且能够减少重建图像的瑕疵以及锐化图像的边缘。
-
公开(公告)号：CN104123707B
公开(公告)日：2017-05-10
申请号：CN201410386583.6
申请日：2014-08-07
Applicant: 重庆大学
IPC: G06T5/50
Abstract: 本发明是一种基于局部秩先验的单幅图像超分辨率重建方法。其核心是通过学习方法得到高分辨率图像的局部秩先验信息，利用这种先验信息，通过能量最小函数，约束待重建高分辨率图像的局部秩。然后将这种能量最小函数转化为局部秩约束的重建模型。考虑到图像的非局部特性，提出一种全局与非局部结合的优化模型。为了得到更好的非局部权值，还提出一种基于局部秩的优化的权值计算方法。本发明所提出的重建模型不仅能够很好的重建具有较多细节的高分辨率图像，而且能够减少重建图像的瑕疵以及锐化图像的边缘。
-
公开(公告)号：CN103279933A
公开(公告)日：2013-09-04
申请号：CN201310225721.8
申请日：2013-06-07
Applicant: 重庆大学
IPC: G06T5/00
Abstract: 一种基于双层模型的单幅图像超分辨率重建方法，其包括（1）利用L0梯度最小化方法和HoG算子生成K个训练簇，然后训练它的对应字典对；（2）依据HoG算子，自适应的选取用于测试的低分辨率图像块对应的几何字典对，并求解出低分辨率图像对应的高分辨率纹理细节图像；（3）利用L0梯度最小化方法求解出用于测试的低分辨率图像对应的高分辨率边缘结构图像；（4）把求解出的高分辨率纹理细节图像加到高分辨率边缘结构图像上得到初始高分辨率图像；（5）对初始高分辨率图像进行全局和局部约束得到最终高分辨率图像。本发明可以使得重建后的图像轮廓更清晰，细节信息更丰富，提高重建后的图像质量。
-
-
-
Search Results
4
records
(took 0.017 seconds)
