-
公开(公告)号：CN102609910B
公开(公告)日：2014-07-09
申请号：CN201210011613.6
申请日：2012-01-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于Ridgelet冗余字典的遗传进化图像重构方法，解决了现有L0范数重构技术重构图像的视觉效果差的问题，重构过程包括选择合适聚类算法对所有分块观测向量按相似程度进行聚类；初始化种群；对初始种群进行共同遗传进化；重构初始图像；滤波及凸投影更新处理；判断进化代数是否达到最大值；更新稀疏度；更新种群；对图像块进行独立遗传进化；重构图像。本发明利用了图像块的相似性聚类，用遗传进化计算思想为每类的每个图像块找到最优的Ridgelet冗余字典基原子，降低了算法的时间复杂度；并用滤波和凸集投影操作消除了重构图像中的块效应，缩小了最优解搜索空间，重构精确度高，图像重构效果好，可用于图像处理和计算机视觉领域。
-
公开(公告)号：CN103093433A
公开(公告)日：2013-05-08
申请号：CN201310030619.2
申请日：2013-01-25
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于区域划分和字典学习的自然图像去噪方法，主要解决基于KSVD的图像去噪方法在弱纹理区域出现模糊以及光滑区域出现伪纹理的问题。其实现方案是：用平稳小波变换去除含噪图像的高频信息，用primal sketch算法提取结构信息，将含噪图像划分为结构区域、纹理区域和光滑区域三个区域；用KSVD方法得到结构区域和纹理区域的字典；分别对三个区域进行去噪，并将去噪结果合并，得到去噪图像。本发明用区域划分和字典学习相结合的思想，使字典学习得到的字典自适应地对图像中的相应信号成分进行稀疏表示，有效地保持了图像的边缘和纹理信息，改善了去噪效果，可用于从含噪的低质量图像中获取高质量图像。
-
公开(公告)号：CN103093433B
公开(公告)日：2015-04-08
申请号：CN201310030619.2
申请日：2013-01-25
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于区域划分和字典学习的自然图像去噪方法，主要解决基于KSVD的图像去噪方法在弱纹理区域出现模糊以及光滑区域出现伪纹理的问题。其实现方案是：用平稳小波变换去除含噪图像的高频信息，用primal sketch算法提取结构信息，将含噪图像划分为结构区域、纹理区域和光滑区域三个区域；用KSVD方法得到结构区域和纹理区域的字典；分别对三个区域进行去噪，并将去噪结果合并，得到去噪图像。本发明用区域划分和字典学习相结合的思想，使字典学习得到的字典自适应地对图像中的相应信号成分进行稀疏表示，有效地保持了图像的边缘和纹理信息，改善了去噪效果，可用于从含噪的低质量图像中获取高质量图像。
-
公开(公告)号：CN102609910A
公开(公告)日：2012-07-25
申请号：CN201210011613.6
申请日：2012-01-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于Ridgelet冗余字典的遗传进化图像重构方法，解决了现有L0范数重构技术重构图像的视觉效果差的问题，重构过程包括选择合适聚类算法对所有分块观测向量按相似程度进行聚类；初始化种群；对初始种群进行共同遗传进化；重构初始图像；滤波及凸投影更新处理；判断进化代数是否达到最大值；更新稀疏度；更新种群；对图像块进行独立遗传进化；重构图像。本发明利用了图像块的相似性聚类，用遗传进化计算思想为每类的每个图像块找到最优的Ridgelet冗余字典基原子，降低了算法的时间复杂度；并用滤波和凸集投影操作消除了重构图像中的块效应，缩小了最优解搜索空间，重构精确度高，图像重构效果好，可用于图像处理和计算机视觉领域。
-
-
-
Search Results
4
records
(took 0.02 seconds)
