基于张量投票的图像超分辨率算法

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｒｓｌｓｈｗａｉｈｒｓｌｔｎｉｇｂａｎｄｂｕｔｏｔｉｈＳｎｏｄｖｓａｆｅｔｅｕｔｏｔｔｇ — ｅｏｕｉｓｈｈｏｍａｅｏｔｉｅｙｏｒｍｅｈｄｗｉｈｇＮＲａｄｇｏｉｕｌｆｃ．ｈｅ
．
ｍａｒｘｃｒｅｐｎｉｇｔｉｈ－ｅｏｕｉｎｉｇｓｇｎｒｔｄｂｅｓｅｓｒｖｔｎｔｅｔｎｏｔｘｃｎａｎｄｅｉｏｍａｉｎｗｔｔｉｏｒｓｏｄｎｏｈｇｒｓｌｔｏｍａｅｉｅｅａｅｙｄｎｅｔｎｏｏｉｇ，ｈｅｓｒｍａｒｏｔｉｓｅｇｎｒｔｉｈｉｆｏｓｒｎｉｕｌｈｒｃｅｉｔｓｉａｌｕｉｇｔｅｅｇｎｏｍａｉｎｔｕｄｉｈ— ｅｏｕｉｎｉｇｅｏｓｒｃｉｎＴｈｘｅｉｎａｔｏｇｖｓａａａｔｒｉ．Ｆｎｌｃｓｃｙ，ｓｎｈｄｅｉｒｔｏｇｉｅｈｇｒｓｌｔｍａｅｒｃｎｔｕｔ．ｅｅｐｒｆｏｏｏｍｅｔｌ
摘
要：张量投票算法在提取图像主观轮廓上具有良好的效果。文章提出了一种基于张量投票的图像超分辨率算法。首
先，用二维张量矩阵存储低分辨率图像各像素点所处的位置特征信息，并利用稀疏张量投票将特征信息进行加强，再使用稠密张量投票产生高分辨率图像对应的二维张量矩阵，张量矩阵包含了视觉特性强的边缘信息，此最后利用该边缘信息
Ｉａｅｓｐｒｒｓｌｔｏｌｏｉｈａｅｎｔｎｏｏｉｇｍｇｕｅ－ｅｏｕｉｎａｇｒｔｍｂｓｄｏｅｓｒｖｔｎ
ＨＵＳｕ－ｉｇＨＡＧＤｎ－ｕｈｉｘａ，ＵＮｏｇｊｎｎ
Ｋｅｗｏｄｔｎｏｏｉｇ；ｕｅ — ｅ０ｕｉｎａｇｒｔｍ；ｕｊｃｉｅｃｎｏｒｙｒｓ：ｅｓｒｖｔｎｓｐｒｒｓｌｔｌｏｉｈｓｂｅｔｏｔｕｓｏｖ
目前，像超分辨率方法主要可分为三类：于插值图基
ｉｆｒａｉｎｏｗ－ｅｏｕｉｎｉｇ，ｅｔｒｎｏｍａｉｎｉｔｅＯｈｎｄｂｐｒｅｔｎｏｏｉｇａｄｔｅｗｏｄｍｅｓｏａｅｓｒｎｏｍｔｆｌｏｏｒｓｌｔｏｍａｅｆａｕｅｉｆｒｔｓｓｒｎｅｅｙｓａｓｓｒｔ，ｎｎａｔ — ｉｎｉｎｌｎｏｏｅｖｎｈｔ
棒张量分量的显著性大小；为球张量分量的显著性大
的、于重建的和基于学习的方法。中传统的插值算法基其简单快速，效果不佳，易产生模糊和锯齿现象，但容为此，
提出保持边缘信息的插值算法［，方法首先进行边缘检Ｉ该Ｊ测，对边缘区域进行特殊插值，对平滑区域插值，先再此方法虽能较好地保持图像的边缘特征，但总体效果仍不佳，该方法的实现欠规范。对此问题，文将张量投且针本
Ａｓｒｃ：ｅｓｒｏｉｇａｇｒｈｈｓｏｄｅｅｔｎｅｔｃｉｇｓｂｅｔｅｃｎｏｒｆｍａｅＴｉｐｐｒｒｐｓｄａｉａｅｓｐｒｂｔａｔｎｏｔｌｏｉｍａｇｏｆｃｘｒｔｕｊｃｉｏｔｕｇ．ｈｓａｅｏｏｅｍｇｕｅ — Ｔｖｎｔａｆｉａｎｖｏｉｐ
ｒｓｌｔｎａｇｒｔｍａｅｎｔｎｏｏｉｇＦｉｔｏｌ，ｓｎｗｏ－ｉｎｉｎｌｔｎｏｔｉｔｒｇｅｃｉｅｏａｉｎｆａｕｅｅｏｕｉｌｏｈｂｓｄｏｅｓｒｖｔ．ｒｆａｌｕｉｇｔｏｉｎｓｄｍｅｓｏａｅｓｒｍａｒｘｓｏｉａｈｐｘｌＳｌｃｔｏｅｔｒｎ
（ｃｏｌｏｎｏｍａｉｎＳｉｎｅａｄＥｎｉｅｒｇＣｎｒｌＳｕｈＵｎｖｒｉ，ａｇｈＨｕａ０８，ｉａＳｈｏｆＩｆｒｔｃｅｃｎｇｎｅｉ，ｅｔｏｔｉｅｓｙＣｈｎｓａ，ｎｎ４１０３Ｃｈｎ）ｏｎａｔ
指导高分辨率图像的重构。实验结果表明，该方法得到的高分辨率图像信噪比高、觉效果好。视
关键词：张量投票；分辨率算法；超主观轮廓
中图分类号：Ｐ９Ｔ３１
文献标识码：Ａ
文章编号：０６８３（００１ — ０１０１０— ９７２１）１００ — ３
第２第１期９卷１
Ｖｏ＿９Ｎｏ１１Ｉ２．
企业技术开发
ＴＥＣＨＮＯＬＯＧＩＣＡＬＤＥＶＥＬＯＰＭＥＮＴＯＦＥＮＴＥＲＰＲＩＥＳ
２１年６月００
Ｊｎ２０ｕ．０１
基于张量投票的图像超分辨率算法
胡水祥，黄东军
（中南大学信息科学与工程学 ຫໍສະໝຸດ Baidu ，南长沙４０８）湖１０３