一種基于L 1/2 正則約束的超分辨率重建算法
發(fā)布時間：2021-07-09 03:22
為了提高重建圖像質量,減少處理時間,提出一種基于L1/2正則約束的單幀圖像超分辨率重建算法.該算法在稀疏重建字典對訓練階段,為了有效提取低分辨率圖像邊緣、紋理等特征細節(jié)信息,采用小波系數單支重構方法對低分辨率圖像進行特征提取;而在圖像重建階段,為了解決基于L1正則模型得到的解時常不夠稀疏,重建圖像質量有待進一步提高的問題,采用L1/2范數代替L1范數構建超分辨率重建模型,并且采用一種快速求解的L1/2正則化算法進行稀疏求解.實驗結果表明:與現有算法相比較,該算法在重建圖像主觀和客觀評價指標、算法運行速度等方面均更優(yōu).
【文章來源】：華中科技大學學報(自然科學版). 2017,45(06)北大核心EICSCD
【文章頁數】：5 頁
【部分圖文】：
圖１Ｇｉｒｌ圖像重建結果比較
圖４λ對重建結果的影響知：三種算法都是根據λ不同的取值得到的ＰＳＮＲ值，λ取值逐漸增大，得到的ＰＳＮＲ值也逐漸增大，不過增大的幅度逐漸減小，即在λ達到一定值后，隨著λ增大，ＰＳＮＲ值逐漸趨于穩(wěn)定．因此，為了明確表達本文算法效果，λ取值范圍為ＰＳＮＲ變化比較明顯的區(qū)域（０．０１～０．１５）．在λ達到０．１之后，本文算法比文獻［５］和文獻［９］算法增加的幅度小，即λ取值對本文算法的影響較小，并且穩(wěn)定性增強．３結語提出了一種基于Ｌ１／２正則約束的單幅圖像超分辨率重建算法．該算法在字典訓練階段對訓練樣本庫中的低分辨率圖像通過小波系數重構方法進行特征提取，得到比較全面的特征信息，從而增強細節(jié)表達能力．在圖像重構階段，結合ＡＰＧ算法和半閾值算法，提出快速Ｌ１／２正則化算法來重建高分辨率圖像，提高重建圖像的質量，減少了計算時間．通過與文獻［５］和文獻［９］算法進行對比，本文算法不論在ＰＳＮＲ上，還是在ＲＭＳＥ上，都有顯著提高，并且時間相應縮短．參考文獻［１］黃浩鋒，肖南峰．基于組稀疏表示的醫(yī)學圖像超分辨率重建［Ｊ］．計算機科學，２０１５，４２（Ｓ１）：１５１－１５３．［２］魏士儼，顧征，馬友青，等．基于壓縮感知的月球探測器著陸圖像超分辨重建［Ｊ］．紅外與毫米波學報，２０１３，３２（６）：５５５－５５８．［３］蔣建國，陳亞運，齊美彬，等．基于自相似性和稀疏表示的圖像超分辨率重建［Ｊ］．光電工程，２０１５，４２（１２）：７
算法、文獻［５］算法、文獻［９］算法的ＰＳＮＲ均值提高了１．１７，０．１８２，０．０５ｄＢ；ＲＭＳＥ的均值分別減少了１．０１，０．１３，０．０５；平均重建時間比文獻［５］算法、文獻［９］算法分別減少了３９．２％和６．８％．圖１～圖２分別給出了Ｇｉｒ等２幅圖像利用雙三次插值算法、文獻［５］算法、文獻［９］算法和本文算法重建的結果圖像．綜合圖１～圖２，雙三次插值算法僅使用了插值，其殘留的模糊最明顯；文圖１Ｇｉｒｌ圖像重建結果比較圖２Ｒａｃｏｏｎ圖像重建結果比較獻［５］算法得到的高分辨率圖像相對于插值圖像，細節(jié)部分比較清晰，但邊緣區(qū)域仍然存在少許鋸齒現象；文獻［９］算法超分辨率重建效果增強，對比前兩種算法得到的圖像在細節(jié)和邊緣部分更加清晰，但是仍然存在部分模糊殘留．由圖１～圖２可知：與其他算法相比，本文算法的重建結果在邊緣和紋理結構上更加清晰，高頻細節(jié)更加詳細．因此，本文算法結果無論在客觀上還是主觀上都有一定的提高．對圖像進行稀疏表示的超分辨率重建，得到的峰值信噪ＰＳＮＲ與最大迭代次數Ｎ、正則參數λ等都有關系．圖３和圖４以Ｒａｃｏｏｎ圖像為例，根據本文算法和文獻［５］、文獻［９］算法，通過λ值和Ｎ值變化得到ＰＳＮＲ值．由于雙三次插值算法并沒有訓練字典，與λ和迭代次數沒有關系，因此圖３和圖４并沒有與雙三次插值算法進行對比．圖３是固定λ＝０．１５不變，最大迭代次數按照２的倍數疊加得到的ＰＳＮＲ．圖４是固定最大迭代
【參考文獻】：
期刊論文
[1]基于PCA-KLFDA的小樣本故障數據集降維方法[J]. 趙榮珍,王雪冬,鄧林峰. 華中科技大學學報(自然科學版). 2015(12)
[2]基于自相似性和稀疏表示的圖像超分辨率重建[J]. 蔣建國,陳亞運,齊美彬,王超. 光電工程. 2015(12)
[3]基于進化深度學習的特征提取算法[J]. 陳珍,夏靖波,柏駿,徐敏. 計算機科學. 2015(11)
[4]基于組稀疏表示的醫(yī)學圖像超分辨率重建[J]. 黃浩鋒,肖南峰. 計算機科學. 2015(S1)
[5]自適應加權編碼L1/2正則化的圖像重建算法[J]. 查志遠,劉輝,尚振宏,李潤鑫. 計算機應用. 2015(03)
[6]多正則化形式的超分辨率圖像重建[J]. 朱齊丹,孫磊,蔡成濤. 光電工程. 2015(01)
[7]基于自學習的稀疏正則化圖像超分辨率方法[J]. 李娟,吳謹,陳振學,楊莘,劉勁. 儀器儀表學報. 2015(01)
[8]基于多成分字典和稀疏表示的超分辨率重建算法[J]. 劉梓,宋曉寧,於東軍,唐振民. 南京理工大學學報. 2014(01)
[9]基于小波變換的圖像增強算法[J]. 陳莉. 陜西理工學院學報(自然科學版). 2014(01)
[10]基于壓縮感知的月球探測器著陸圖像超分辨重建[J]. 魏士儼,顧征,馬友青,劉少創(chuàng). 紅外與毫米波學報. 2013(06)
碩士論文
[1]一種快速求解L1/2正則化問題的新算法[D]. 謝林林.大連理工大學 2014
本文編號：3272915
【文章來源】：華中科技大學學報(自然科學版). 2017,45(06)北大核心EICSCD
【文章頁數】：5 頁
【部分圖文】：
圖１Ｇｉｒｌ圖像重建結果比較
圖４λ對重建結果的影響知：三種算法都是根據λ不同的取值得到的ＰＳＮＲ值，λ取值逐漸增大，得到的ＰＳＮＲ值也逐漸增大，不過增大的幅度逐漸減小，即在λ達到一定值后，隨著λ增大，ＰＳＮＲ值逐漸趨于穩(wěn)定．因此，為了明確表達本文算法效果，λ取值范圍為ＰＳＮＲ變化比較明顯的區(qū)域（０．０１～０．１５）．在λ達到０．１之后，本文算法比文獻［５］和文獻［９］算法增加的幅度小，即λ取值對本文算法的影響較小，并且穩(wěn)定性增強．３結語提出了一種基于Ｌ１／２正則約束的單幅圖像超分辨率重建算法．該算法在字典訓練階段對訓練樣本庫中的低分辨率圖像通過小波系數重構方法進行特征提取，得到比較全面的特征信息，從而增強細節(jié)表達能力．在圖像重構階段，結合ＡＰＧ算法和半閾值算法，提出快速Ｌ１／２正則化算法來重建高分辨率圖像，提高重建圖像的質量，減少了計算時間．通過與文獻［５］和文獻［９］算法進行對比，本文算法不論在ＰＳＮＲ上，還是在ＲＭＳＥ上，都有顯著提高，并且時間相應縮短．參考文獻［１］黃浩鋒，肖南峰．基于組稀疏表示的醫(yī)學圖像超分辨率重建［Ｊ］．計算機科學，２０１５，４２（Ｓ１）：１５１－１５３．［２］魏士儼，顧征，馬友青，等．基于壓縮感知的月球探測器著陸圖像超分辨重建［Ｊ］．紅外與毫米波學報，２０１３，３２（６）：５５５－５５８．［３］蔣建國，陳亞運，齊美彬，等．基于自相似性和稀疏表示的圖像超分辨率重建［Ｊ］．光電工程，２０１５，４２（１２）：７
算法、文獻［５］算法、文獻［９］算法的ＰＳＮＲ均值提高了１．１７，０．１８２，０．０５ｄＢ；ＲＭＳＥ的均值分別減少了１．０１，０．１３，０．０５；平均重建時間比文獻［５］算法、文獻［９］算法分別減少了３９．２％和６．８％．圖１～圖２分別給出了Ｇｉｒ等２幅圖像利用雙三次插值算法、文獻［５］算法、文獻［９］算法和本文算法重建的結果圖像．綜合圖１～圖２，雙三次插值算法僅使用了插值，其殘留的模糊最明顯；文圖１Ｇｉｒｌ圖像重建結果比較圖２Ｒａｃｏｏｎ圖像重建結果比較獻［５］算法得到的高分辨率圖像相對于插值圖像，細節(jié)部分比較清晰，但邊緣區(qū)域仍然存在少許鋸齒現象；文獻［９］算法超分辨率重建效果增強，對比前兩種算法得到的圖像在細節(jié)和邊緣部分更加清晰，但是仍然存在部分模糊殘留．由圖１～圖２可知：與其他算法相比，本文算法的重建結果在邊緣和紋理結構上更加清晰，高頻細節(jié)更加詳細．因此，本文算法結果無論在客觀上還是主觀上都有一定的提高．對圖像進行稀疏表示的超分辨率重建，得到的峰值信噪ＰＳＮＲ與最大迭代次數Ｎ、正則參數λ等都有關系．圖３和圖４以Ｒａｃｏｏｎ圖像為例，根據本文算法和文獻［５］、文獻［９］算法，通過λ值和Ｎ值變化得到ＰＳＮＲ值．由于雙三次插值算法并沒有訓練字典，與λ和迭代次數沒有關系，因此圖３和圖４并沒有與雙三次插值算法進行對比．圖３是固定λ＝０．１５不變，最大迭代次數按照２的倍數疊加得到的ＰＳＮＲ．圖４是固定最大迭代
【參考文獻】：
期刊論文
[1]基于PCA-KLFDA的小樣本故障數據集降維方法[J]. 趙榮珍,王雪冬,鄧林峰. 華中科技大學學報(自然科學版). 2015(12)
[2]基于自相似性和稀疏表示的圖像超分辨率重建[J]. 蔣建國,陳亞運,齊美彬,王超. 光電工程. 2015(12)
[3]基于進化深度學習的特征提取算法[J]. 陳珍,夏靖波,柏駿,徐敏. 計算機科學. 2015(11)
[4]基于組稀疏表示的醫(yī)學圖像超分辨率重建[J]. 黃浩鋒,肖南峰. 計算機科學. 2015(S1)
[5]自適應加權編碼L1/2正則化的圖像重建算法[J]. 查志遠,劉輝,尚振宏,李潤鑫. 計算機應用. 2015(03)
[6]多正則化形式的超分辨率圖像重建[J]. 朱齊丹,孫磊,蔡成濤. 光電工程. 2015(01)
[7]基于自學習的稀疏正則化圖像超分辨率方法[J]. 李娟,吳謹,陳振學,楊莘,劉勁. 儀器儀表學報. 2015(01)
[8]基于多成分字典和稀疏表示的超分辨率重建算法[J]. 劉梓,宋曉寧,於東軍,唐振民. 南京理工大學學報. 2014(01)
[9]基于小波變換的圖像增強算法[J]. 陳莉. 陜西理工學院學報(自然科學版). 2014(01)
[10]基于壓縮感知的月球探測器著陸圖像超分辨重建[J]. 魏士儼,顧征,馬友青,劉少創(chuàng). 紅外與毫米波學報. 2013(06)
碩士論文
[1]一種快速求解L1/2正則化問題的新算法[D]. 謝林林.大連理工大學 2014
本文編號：3272915
本文鏈接：http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3272915.html
