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

稀疏阈值的超分辨率图像重建

何阳 黄玮 王新华 郝建坤

何阳, 黄玮, 王新华, 郝建坤. 稀疏阈值的超分辨率图像重建[J]. 中国光学(中英文), 2016, 9(5): 532-539. doi: 10.3788/CO.20160905.0532
引用本文: 何阳, 黄玮, 王新华, 郝建坤. 稀疏阈值的超分辨率图像重建[J]. 中国光学(中英文), 2016, 9(5): 532-539. doi: 10.3788/CO.20160905.0532
HE Yang, HUANG Wei, WANG Xin-hua, HAO Jian-kun. Super-resolution image reconstruction based on sparse threshold[J]. Chinese Optics, 2016, 9(5): 532-539. doi: 10.3788/CO.20160905.0532
Citation: HE Yang, HUANG Wei, WANG Xin-hua, HAO Jian-kun. Super-resolution image reconstruction based on sparse threshold[J]. Chinese Optics, 2016, 9(5): 532-539. doi: 10.3788/CO.20160905.0532

稀疏阈值的超分辨率图像重建

doi: 10.3788/CO.20160905.0532
基金项目: 

应用光学国家重点实验室自主基金资助项目 Y4223FQ141

详细信息
    作者简介:

    何阳(1990-), 男, 湖南常德人, 硕士研究生, 2013年于华中科技大学获得学士学位, 主要从事超分辨图像重建方面的研究.E-mail:merelyyang@163.com

    通讯作者:

    黄玮(1965-), 男, 吉林长春人, 研究员, 博士生导师, 主要从事光学系统设计方面的研究.E-mail:huangw@ciomp.ac.cn

  • 中图分类号: TP394.1;TH691.9

Super-resolution image reconstruction based on sparse threshold

Funds: 

Foundation Project of State Key Laboratory of Applied Optics of China Y4223FQ141

More Information
  • 摘要: 为了解决基于字典学习的超分辨重构算法耗时过长的问题,提出了基于稀疏阈值模型的图像超分辨率重建方法。首先,将联合字典理论与图像块稀疏阈值方法相结合,训练得到高、低分辨率过完备图像字典对。接着,通过稀疏阈值OMP算法对图像特征块进行稀疏表示。然后,通过高分辨率字典重构出初始的超分辨图像。最后,通过改进迭代反投影算法对初始的超分辨图像进行全局优化,从而进一步提高图像重构质量。实验结果表明,超分辨图像重构平均峰值信噪比(PSNR)为30.1dB,平均结构自相似度(SSIM)为0.9379,平均计算时间为10.2s。有效提高了超分辨重构的速度,改善了重构高分辨图像的质量。

     

  • 图 1  3倍超分辨率Lena图像重建结果

    Figure 1.  Results of 3×super-resolultion reconstruction for image of Lena

    图 2  3倍超分辨Pepper局部重建结果

    Figure 2.  Local details of 3×super resolultion reconstruction for iamge of Pepper

    表  1  3种算法重构图像峰值信噪比(PSNR/dB)和结构自相似度(SSIM)对比

    Table  1.   Comparison of PSNRs and SSIMs by three methods

    标准图像Bicubic算法Yang算法本文算法
    Barbara26.2/0.880 126.4/0.887 026.7/0.901 5
    Bridge24.4/0.870 524.8/0.899 924.9/0.903 0
    Foreman31.2/0.908 732.0/0.915 333.4/0.932 7
    Lena31.7/0.954 932.6/0.957 732.9/0.968 2
    Pepper32.4/0.969 933.3/0.965 134.3/0.979 1
    Zebra26.6/0.914 928.0/0.935 828.6/0.943 0
    下载: 导出CSV
  • [1] KANG M, CHAUDHURIS.Super-resolution image reconstruction[J].IEEE, 2003, 20(3):1920-1935..
    [2] 彭真明, 景亮, 何艳敏, 等.基于多尺度稀疏字典的多聚焦图像超分辨融合[J].光学精密工程, 2014, 22(1):169-176. doi: 10.3788/OPE.

    PENG ZH M, JING L, HE Y M, et al..Superresolution fusion of multi-focus image based on multiscale sparse dictionary[J].Opt.Precision Eng., 2014, 22(1):169-176.(in Chinese) doi: 10.3788/OPE.
    [3] FREEMAN W T, PASZTOR E C, CARMICHAEL O T.Learning low-level vision, " IJCV[J].J.Computer Vision, 2000, 40:25-47. doi: 10.1023/A:1026501619075
    [4] YANG J, WRIGHT J, HUANG T, et al..Image super-resolution via sparse representation[J].IEEE, 2010, 19(11):2861-2873. http://www.idm.pku.edu.cn/staff/zhangjian/Papers/ISCAS2012.pdf
    [5] 陈健, 高慧斌, 王伟国, 等.超分辨率复原方法相关原理研究[J].中国光学, 2014, 7(6):897-910. http://www.chineseoptics.net.cn/CN/abstract/abstract9229.shtml

    CHEN J, GAO H B, WANG W G, et al..Correlation theory of super-resolution restoration method[J].Chinese Optics, 2014, 7(6):897-910. http://www.chineseoptics.net.cn/CN/abstract/abstract9229.shtml
    [6] 张振东, 陈健, 王伟国, 等.基于SSIM_NCCDFT的超分辨率复原评价方法研究[J].液晶与显示, 2015, 30(4):713-721. doi: 10.3788/YJYXS

    ZHANG ZH D, CHEN J, WANG W G, et al..Evaluation method of super-resolution restoration based on SSIM_NCCDFT[J].Chinese J.Liquid Crystals and Displays, 2015, 30(4):713-721.(in Chinese) doi: 10.3788/YJYXS
    [7] FREEMAN W T, JONES T R, PASZTOR E C.Example-based super-resolution[J].Computer Graphics & Applications IEEE, 2002, 22(2):56-65. http://academic.research.microsoft.com/Paper/724206
    [8] SUN J, ZHENG N, TAO H, et al..Image hallucination with primal sketch priors[C].IEEE Computer Society Conference on Computer Vision and Pattern Recognition.IEEE, In Madison, USA, June 18-20, 2003:729-736.
    [9] 邓承志, 田伟, 汪胜前, 等.近似稀疏正则化的红外图像超分辨率重建[J].光学精密工程, 2014, 22(6):1648-1654. doi: 10.3788/OPE.

    DENG CH ZH, TIAN W, WANG SH Q, et al..Super-resolution reconstruction of approximate sparsity regularized infrared images[J].Opt.Precision Eng., 2014, 22(6):1648-1654.(in Chinese) doi: 10.3788/OPE.
    [10] TANG Y, YUAN Y, YAN P K, et al..Greedy regression in sparse coding sparse for single-image super-resolution[J].J.Vis.Commum.Image R, 2013, 24(2):148-159. doi: 10.1016/j.jvcir.2012.02.003
    [11] 邓建青, 刘晶红, 刘铁军.基于DSP系统的超分辨率图像重建技术研究[J].液晶与显示, 2012, 27(1):114-120. doi: 10.3788/YJYXS

    DENG J Q, LIU J H, LIU T J.Super-resolution image reconstruction technology based on DSP system[J].Chinese J.Liquid Crystals and Displays, 2012, 27(1):114-120.(in Chinese) doi: 10.3788/YJYXS
    [12] HE X, NIYOGI P.Locality preserving projections[J].Advances in Neural Information Processing System, 2004, 45(1):186-197. http://www.doc88.com/p-0778392992579.html
    [13] DONOHO D L.Compressed sensing[J].Information Theory IEEE Transactions on, 2006, 52(4):1289-1306. doi: 10.1109/TIT.2006.871582
    [14] CANDES E, ROMBERG J.Sparsity and incoherence in compressive sampling[J].Inverse Problems, 2006, 23(3):969-985. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.129.2790
    [15] LEE H, BATTLE A, RAINA R, et al..Efficient sparse coding algorithms[J].Nips, 2007:721-728. http://www.doc88.com/p-6909857332289.html
    [16] CHANG H, YEUNG D Y, XIONG Y M.Super-resolution through neighbor embedding[J].IEEE Conference on Computer Vision & Patter Recognition, 2004, 1:275-282 http://cat.inist.fr/?aModele=afficheN&cpsidt=17623200
    [17] WANG J, ZHU S, GONG Y.Resolution enhancement based on learning the sparse association of image patches[J].Pattern Recognition Letters, 2010, 31(1):1-10. doi: 10.1016/j.patrec.2009.09.004
    [18] WANG S, HUANG T Z, LIU J, et al..An alternating iterative algorithm for image deblurring and denoisingproblems[J].Communications in Nonlinear Science & Numerical Simulation, 2014, 19(3):617-626. http://adsabs.harvard.edu/abs/2014CNSNS..19..617W
    [19] BIOUCAS-DIAS J M, FIGUEIREDO M A T.A new twist:two-step iterative shrinkage/thresholding algorithms for image restoration[J].IEEE Transactions on Image Processing, 2007, 16(12):2992-3004. doi: 10.1109/TIP.2007.909319
    [20] BRUNET D, VRSCAY E R, WANG Z.On the mathematical properties of the structural similarity index[J].IEEE Transaction on Image Processing, 2012, 21(4):1488-1499. doi: 10.1109/TIP.2011.2173206
  • 加载中
图(2) / 表(1)
计量
  • 文章访问数:  1959
  • HTML全文浏览量:  449
  • PDF下载量:  866
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-05-11
  • 修回日期:  2016-06-13
  • 刊出日期:  2016-10-01

目录

    /

    返回文章
    返回

    重要通知

    2024年2月16日科睿唯安通过Blog宣布,2024年将要发布的JCR2023中,229个自然科学和社会科学学科将SCI/SSCI和ESCI期刊一起进行排名!《中国光学(中英文)》作为ESCI期刊将与全球SCI期刊共同排名!