融合内外特征的图像超分辨率算法

吴宏林, 赵淑珍, 王建新, 张建明, 喻小虎

吴宏林, 赵淑珍, 王建新, 张建明, 喻小虎. 融合内外特征的图像超分辨率算法[J]. 红外技术, 2019, 41(9): 843-851.
引用本文: 吴宏林, 赵淑珍, 王建新, 张建明, 喻小虎. 融合内外特征的图像超分辨率算法[J]. 红外技术, 2019, 41(9): 843-851.
WU Honglin, ZHAO Shuzhen, WANG Jianxin, ZHANG Jianming, YU Xiaohu. Super-resolution Image Algorithm Based on Joint Constraints of Internal and External Features[J]. Infrared Technology , 2019, 41(9): 843-851.
Citation: WU Honglin, ZHAO Shuzhen, WANG Jianxin, ZHANG Jianming, YU Xiaohu. Super-resolution Image Algorithm Based on Joint Constraints of Internal and External Features[J]. Infrared Technology , 2019, 41(9): 843-851.

融合内外特征的图像超分辨率算法

基金项目: 湖南省研究生科研创新项目(CX20190697)%长沙理工大学研究生科研创新项目(CX2019SS28)%湖南省研究生培养创新基地项目(湘教通[2017]451 号-)%长沙理工大学青年教师成长计划项目(2019QJCZ015)
详细信息
  • 中图分类号: TP391

Super-resolution Image Algorithm Based on Joint Constraints of Internal and External Features

  • 摘要: 针对单一先验知识不足以约束病态严重的图像超分辨率问题,本文提出了融合内外特征的图像超分辨率算法.针对图像的自相似性,通过采用基于内部特征的深度卷积网络学习来增强输入图像的细节纹理,去除超分辨率图像伪影;同时,使用基于外部图像的稀疏约束方法来学习图像结构信息,并结合高频残差字典来解决超分辨率重建中的高频信息缺失问题;最后通过卷积稀疏方法分别从基础层和细节层来融合内外特征的重建图像,以获得细节清晰、去伪影的超分辨率图像,进一步提高图像质量.与传统算法相比,本文算法在重建图像的纹理特征和质量上都得到了增强,且视觉效果与峰值信噪比较传统算法有所改善.
  • 期刊类型引用(3)

    1. 王曙光,石胜斌,胡春生. 一种对空红外弱小目标检测跟踪方法研究. 红外技术. 2020(04): 356-360 . 本站查看
    2. 杨昳,徐长彬,马玉莹,黄成章. 低信噪比下的红外弱小目标检测算法研究综述. 激光与红外. 2019(06): 643-649 . 百度学术
    3. 沈旭,程小辉,王新政. 结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法. 红外技术. 2019(08): 764-771 . 本站查看

    其他类型引用(6)

计量
  • 文章访问数:  157
  • HTML全文浏览量:  17
  • PDF下载量:  26
  • 被引次数: 9
出版历程

目录

    /

    返回文章
    返回