-
公开(公告)号：CN109146785A
公开(公告)日：2019-01-04
申请号：CN201810871111.8
申请日：2018-08-02
Applicant: 华侨大学 , 泉州市中仿宏业信息科技有限公司
CPC classification number: G06T3/4053 , G06T9/002
Abstract: 本发明涉及一种基于改进稀疏自动编码器的图像超分辨率方法，其以训练样本的高频信息为特征，分别构造高、低分辨率图像训练集，并通过ZCA白化技术对联合训练集去相关以降低其冗余性，从而提高自动编码器的训练效率；然后，在传统稀疏自动编码器的代价函数中加入构造的稀疏正则化项，获取改进的稀疏自动编码器，进一步加强对隐含层的稀疏性约束；接着，采用改进的稀疏自动编码器实现无监督的联合字典学习，以学习到更加准确和鲁棒的字典；最后将学习到的字典应用于基于稀疏表示的图像超分辨率重建框架中，实现图像的重建，达到提高重建质量的效果。
-
公开(公告)号：CN107610049A
公开(公告)日：2018-01-19
申请号：CN201710718998.2
申请日：2017-08-21
Applicant: 华侨大学
Abstract: 本发明公开的基于稀疏正则化技术和加权引导滤波的图像超分辨率方法，该方法通过结合图像的非局部相似性和流形学习理论构造了一个新的稀疏编码目标函数，一方面在初始重建图像中寻找相似图像块构造非局部相似正则化项，得到图像的非局部冗余，以保持边缘信息；另一方面结合局部线性嵌入方法构造流行学习正则化项，获得图像的结构先验知识，以增强结构信息；再利用加权引导滤波的全局误差补偿模型对重建后的高分辨率图像进行误差补偿，得到重建误差更小，质量更高的图像。
-
公开(公告)号：CN107610049B
公开(公告)日：2021-01-05
申请号：CN201710718998.2
申请日：2017-08-21
Applicant: 华侨大学
Abstract: 本发明公开的基于稀疏正则化技术和加权引导滤波的图像超分辨率方法，该方法通过结合图像的非局部相似性和流形学习理论构造了一个新的稀疏编码目标函数，一方面在初始重建图像中寻找相似图像块构造非局部相似正则化项，得到图像的非局部冗余，以保持边缘信息；另一方面结合局部线性嵌入方法构造流行学习正则化项，获得图像的结构先验知识，以增强结构信息；再利用加权引导滤波的全局误差补偿模型对重建后的高分辨率图像进行误差补偿，得到重建误差更小，质量更高的图像。
-
-
Search Results
3
records
(took 0.016 seconds)
