-
公开(公告)号：CN103077511A
公开(公告)日：2013-05-01
申请号：CN201310030207.9
申请日：2013-01-25
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于字典学习和结构相似的图像超分辨率重建方法，主要解决现有技术重建图像表面模糊，边缘锯齿化现象严重的问题。其实现步骤是：（1）采集训练样本对；（2）利用结构相似SSIM和K-SVD方法学习一对高低分辨率字典；（3）求出输入的低分辨率图像块的稀疏表示系数；（4）利用高分辨率字典和稀疏系数，重建高分辨率图像块Xi；（5）融合高分辨率图像块Xi，得到信息融合后的高分辨图像X′i；（6）根据高分辨图像X′i，得到高分辨率图像X；（7）通过误差补偿对高分辨图像X进行高频信息增强，得到高频信息增强后的高分辨率图像。仿真实验表明，本发明具有图像表面清晰，边缘比较锐化的优点，可用于图像识别以及目标分类。
-
公开(公告)号：CN102968796A
公开(公告)日：2013-03-13
申请号：CN201210513077.X
申请日：2012-11-30
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于采样学习的SAR图像分割方法，主要解决现有算法计算量大，分割速度慢的问题。其实现步骤为：(1)输入待分割图像，提取特征；(2)对数据集进行M次随机采样；(3)采用谱聚类算法对M次样本数据集分别进行聚类；(4)将M次聚类后属于同一类的数据合在一起，每一类集合在一起的数据构成该类的新数据集，利用KSVD算法对新数据集训练一个字典；(5)求解测试样本在字典上的稀疏编码；(6)计算测试样本在字典上的重构误差；(7)利用重构误差确定测试样本的标签，得到最终的分割结果。本发明具有分割快速准确的优点，该方法进一步可用于SAR图像目标识别与分类。
-
Patent Agency Ranking
公开(公告)号：CN103077505B
公开(公告)日：2015-12-09
申请号：CN201310030035.5
申请日：2013-01-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于字典学习和结构聚类的图像超分辨率重建方法，主要解决现有技术重建图像表面模糊，边缘锯齿化现象严重的问题。其实现步骤是：（1）采集训练样本；（2）对训练样本进行结构聚类；（3）利用OMP和K-SVD的方法训练得到各类的字典；（4）求出输入的低分辨率图像块的稀疏表示系数；（5）利用高分辨率字典和稀疏系数重建高分辨率图像块；（6）对高分辨率图像块加权求和，得到加权求和后的高分辨率图像块；（7）根据高分辨率图像块，得到高分辨率图像；（8）通过误差补偿，对高分辨率图像进行高频信息增强，得到最终的结果。仿真实验表明，本发明具有图像表面清晰，边缘比较锐化的优点，可用于图像识别以及目标分类。
-
公开(公告)号：CN103077505A
公开(公告)日：2013-05-01
申请号：CN201310030035.5
申请日：2013-01-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于字典学习和结构聚类的图像超分辨率重建方法，主要解决现有技术重建图像表面模糊，边缘锯齿化现象严重的问题。其实现步骤是：（1）采集训练样本；（2）对训练样本进行结构聚类；（3）利用OMP和K-SVD的方法训练得到各类的字典；（4）求出输入的低分辨率图像块的稀疏表示系数；（5）利用高分辨率字典和稀疏系数重建高分辨率图像块；（6）对高分辨率图像块加权求和，得到加权求和后的高分辨率图像块；（7）根据高分辨率图像块，得到高分辨率图像；（8）通过误差补偿，对高分辨率图像进行高频信息增强，得到最终的结果。仿真实验表明，本发明具有图像表面清晰，边缘比较锐化的优点，可用于图像识别以及目标分类。
-
公开(公告)号：CN103049892A
公开(公告)日：2013-04-17
申请号：CN201310030376.2
申请日：2013-01-27
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于相似块矩阵秩最小化的非局部图像去噪方法。其实现步骤为：(1)输入一幅N行M列的含噪图像；（2）估计含噪图像的噪声标准差，并根据标准差设置参数；（3）逐块的利用图像块的DCT特征计算图像块之间的欧氏距离；（4）对欧式距离由小到大排序，选取前k个对应的样本组成相似性矩阵；（5）对相似性矩阵进行秩最小化逼近，得到低秩矩阵；（6）对去噪后的图像块样本集进行聚集，得到去噪后图像；(7)判断是否达到迭代次数，若未达到迭代次数，转到步骤2到步骤6，否则输出结果。本发明具有重建结果边缘纹理结构信息保持好的优点，可用于医学影像、天文学影像、视频多媒体等领域的数字图像预处理。
-
公开(公告)号：CN103049892B
公开(公告)日：2015-05-27
申请号：CN201310030376.2
申请日：2013-01-27
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于相似块矩阵秩最小化的非局部图像去噪方法。其实现步骤为：(1)输入一幅N行M列的含噪图像；（2）估计含噪图像的噪声标准差，并根据标准差设置参数；（3）逐块的利用图像块的DCT特征计算图像块之间的欧氏距离；（4）对欧式距离由小到大排序，选取前k个对应的样本组成相似性矩阵；（5）对相似性矩阵进行秩最小化逼近，得到低秩矩阵；（6）对去噪后的图像块样本集进行聚集，得到去噪后图像；(7)判断是否达到迭代次数，若未达到迭代次数，转到步骤2到步骤6，否则输出结果。本发明具有重建结果边缘纹理结构信息保持好的优点，可用于医学影像、天文学影像、视频多媒体等领域的数字图像预处理。
-
公开(公告)号：CN103077511B
公开(公告)日：2015-04-08
申请号：CN201310030207.9
申请日：2013-01-25
Applicant: 西安电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于字典学习和结构相似的图像超分辨率重建方法，主要解决现有技术重建图像表面模糊，边缘锯齿化现象严重的问题。其实现步骤是：（1）采集训练样本对；（2）利用结构相似SSIM和K-SVD方法学习一对高低分辨率字典；（3）求出输入的低分辨率图像块的稀疏表示系数；（4）利用高分辨率字典和稀疏系数，重建高分辨率图像块Xi；（5）融合高分辨率图像块Xi，得到信息融合后的高分辨图像X′i；（6）根据高分辨图像X′i，得到高分辨率图像X；（7）通过误差补偿对高分辨图像X进行高频信息增强，得到高频信息增强后的高分辨率图像。仿真实验表明，本发明具有图像表面清晰，边缘比较锐化的优点，可用于图像识别以及目标分类。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
