本文旨在對(duì)一種經(jīng)典的圖像超分辨率方法——LLE算法（局部線性嵌入算法）及其代碼進(jìn)行一些改進(jìn)和優(yōu)化。為提高對(duì)大量圖像塊的搜索速度,我們采用kd樹算法整理樣本集;鑒于像素點(diǎn)灰度值的非負(fù)性,我們采用非負(fù)最小二乘法而不是LLE原來的最小二乘法,確定低分辨率圖像塊與訓(xùn)練樣本集中k最鄰近圖像塊的回歸系數(shù);最后,考慮到樣本集選取和變換會(huì)對(duì)實(shí)驗(yàn)結(jié)果造成影響,我們對(duì)訓(xùn)練樣本圖像的若干因素進(jìn)行一系列組合,通過正交實(shí)驗(yàn)設(shè)計(jì)得出樣本集的最佳選取標(biāo)準(zhǔn)。實(shí)驗(yàn)表明,改進(jìn)后的LLE圖像超分辨率算法相比傳統(tǒng)的圖像插值算法和原LLE算法,效果有較大的改進(jìn)。 

【文章來源】：軟件. 2019,40(11)

【文章頁數(shù)】：6 頁

【部分圖文】：

建樹示意圖Fig.1Processofconstructingtree

第40卷第11期軟件《軟件》雜志歡迎推薦投稿：cosoft@vip.163.com26維劃分，圖2為空間的分割面分割圖。圖2空間的分割面分割圖Fig.2Partitiongraphofspace2.2搜索過程從根節(jié)點(diǎn)開始，循環(huán)下列操作：Step1當(dāng)前點(diǎn)未被標(biāo)記時(shí)執(zhí)行以下循環(huán)：（1）求其與目標(biāo)點(diǎn)歐式距離，標(biāo)記該點(diǎn)，若距離小于第k個(gè)近鄰點(diǎn)與目標(biāo)點(diǎn)距離則更新k近鄰點(diǎn)；（2）比較目標(biāo)點(diǎn)與當(dāng)前點(diǎn)劃分子樹維度數(shù)值大小，如果對(duì)應(yīng)一邊不存在子樹則停止循環(huán)，否則將對(duì)應(yīng)一邊子樹的根節(jié)點(diǎn)作為當(dāng)前點(diǎn)。Step2如果當(dāng)前點(diǎn)為根節(jié)點(diǎn)則結(jié)束循環(huán)，否則執(zhí)行以下操作：（1）計(jì)算目標(biāo)點(diǎn)與當(dāng)前點(diǎn)父節(jié)點(diǎn)對(duì)應(yīng)劃分維度的數(shù)值間距離；（2）若該距離大于第k近鄰距離數(shù)值，則考慮當(dāng)前點(diǎn)父節(jié)點(diǎn)是否存在另一子節(jié)點(diǎn)；（3）若存在則令其為當(dāng)前點(diǎn)，否則令當(dāng)前點(diǎn)父節(jié)點(diǎn)為當(dāng)前點(diǎn)。下面根據(jù)上述過程對(duì)前面7個(gè)點(diǎn)對(duì)搜索點(diǎn)進(jìn)行最搜索（k近鄰搜索過程類似）。2.2.1確定搜索路徑（1）計(jì)算目標(biāo)點(diǎn)到根節(jié)點(diǎn)A的距離并更新當(dāng)前最小距離的點(diǎn)為A；圖3為目標(biāo)點(diǎn)距離更新示意圖。圖3目標(biāo)點(diǎn)距離更新示意圖Fig.3Updatingobjectpointdistance（2）當(dāng)目標(biāo)點(diǎn)比A所指分割維度數(shù)值小，移動(dòng)當(dāng)前點(diǎn)至A的左子節(jié)點(diǎn)B；如圖4所示。（3）重復(fù)（1）（2）直至當(dāng)前點(diǎn)為葉子節(jié)點(diǎn)，即當(dāng)前點(diǎn)移至E，因此當(dāng)前搜索路徑為A→B→E。圖5為葉子節(jié)點(diǎn)和搜索路徑的確定示意圖。2.2.2回溯至根節(jié)點(diǎn)（1）由于目標(biāo)點(diǎn)到當(dāng)前點(diǎn)E的父節(jié)點(diǎn)B分割面的距離大于最小距離，故無需搜索B的另一子節(jié)點(diǎn)D所在區(qū)域，故令當(dāng)前點(diǎn)父節(jié)點(diǎn)B為當(dāng)前點(diǎn)；圖6為搜索區(qū)域和父節(jié)點(diǎn)的確定示意圖。圖4子節(jié)點(diǎn)的確定示意圖Fig.4Determiningchildnodes圖5葉子節(jié)點(diǎn)和搜索路徑的確定示意圖Fig.5Determiningle

第40卷第11期軟件《軟件》雜志歡迎推薦投稿：cosoft@vip.163.com26維劃分，圖2為空間的分割面分割圖。圖2空間的分割面分割圖Fig.2Partitiongraphofspace2.2搜索過程從根節(jié)點(diǎn)開始，循環(huán)下列操作：Step1當(dāng)前點(diǎn)未被標(biāo)記時(shí)執(zhí)行以下循環(huán)：（1）求其與目標(biāo)點(diǎn)歐式距離，標(biāo)記該點(diǎn)，若距離小于第k個(gè)近鄰點(diǎn)與目標(biāo)點(diǎn)距離則更新k近鄰點(diǎn)；（2）比較目標(biāo)點(diǎn)與當(dāng)前點(diǎn)劃分子樹維度數(shù)值大小，如果對(duì)應(yīng)一邊不存在子樹則停止循環(huán)，否則將對(duì)應(yīng)一邊子樹的根節(jié)點(diǎn)作為當(dāng)前點(diǎn)。Step2如果當(dāng)前點(diǎn)為根節(jié)點(diǎn)則結(jié)束循環(huán)，否則執(zhí)行以下操作：（1）計(jì)算目標(biāo)點(diǎn)與當(dāng)前點(diǎn)父節(jié)點(diǎn)對(duì)應(yīng)劃分維度的數(shù)值間距離；（2）若該距離大于第k近鄰距離數(shù)值，則考慮當(dāng)前點(diǎn)父節(jié)點(diǎn)是否存在另一子節(jié)點(diǎn)；（3）若存在則令其為當(dāng)前點(diǎn)，否則令當(dāng)前點(diǎn)父節(jié)點(diǎn)為當(dāng)前點(diǎn)。下面根據(jù)上述過程對(duì)前面7個(gè)點(diǎn)對(duì)搜索點(diǎn)進(jìn)行最搜索（k近鄰搜索過程類似）。2.2.1確定搜索路徑（1）計(jì)算目標(biāo)點(diǎn)到根節(jié)點(diǎn)A的距離并更新當(dāng)前最小距離的點(diǎn)為A；圖3為目標(biāo)點(diǎn)距離更新示意圖。圖3目標(biāo)點(diǎn)距離更新示意圖Fig.3Updatingobjectpointdistance（2）當(dāng)目標(biāo)點(diǎn)比A所指分割維度數(shù)值小，移動(dòng)當(dāng)前點(diǎn)至A的左子節(jié)點(diǎn)B；如圖4所示。（3）重復(fù)（1）（2）直至當(dāng)前點(diǎn)為葉子節(jié)點(diǎn)，即當(dāng)前點(diǎn)移至E，因此當(dāng)前搜索路徑為A→B→E。圖5為葉子節(jié)點(diǎn)和搜索路徑的確定示意圖。2.2.2回溯至根節(jié)點(diǎn)（1）由于目標(biāo)點(diǎn)到當(dāng)前點(diǎn)E的父節(jié)點(diǎn)B分割面的距離大于最小距離，故無需搜索B的另一子節(jié)點(diǎn)D所在區(qū)域，故令當(dāng)前點(diǎn)父節(jié)點(diǎn)B為當(dāng)前點(diǎn)；圖6為搜索區(qū)域和父節(jié)點(diǎn)的確定示意圖。圖4子節(jié)點(diǎn)的確定示意圖Fig.4Determiningchildnodes圖5葉子節(jié)點(diǎn)和搜索路徑的確定示意圖Fig.5Determiningle

【參考文獻(xiàn)】：
期刊論文
[1]基于正交實(shí)驗(yàn)和多項(xiàng)式回歸分析方法的非典型接觸狀態(tài)車人碰撞事故參數(shù)分析[J]. 張東明,張曉云,楊小波,侯心一.  上海交通大學(xué)學(xué)報(bào). 2019(01)
[2]Dense SIFT與改進(jìn)最小二乘匹配結(jié)合的傾斜航空影像匹配方法[J]. 楊幸彬,呂京國,張丹璐,成喆.  測繪通報(bào). 2018(10)
[3]基于K-D樹和機(jī)器學(xué)習(xí)的時(shí)空數(shù)據(jù)檢索-預(yù)測系統(tǒng)[J]. 張蓬郁,王煜,江旻宇,邵嘉琳,張洪濱.  軟件. 2018(08)
[4]低分辨率圖像的細(xì)節(jié)還原[J]. 尹宗天,謝超逸,劉蘇宜,劉新如.  軟件. 2018(05)
[5]基于全采樣和L1范數(shù)降采樣的卷積神經(jīng)網(wǎng)絡(luò)圖像分類方法[J]. 宋婷婷,徐世許.  軟件. 2018(02)
[6]基于稀疏非負(fù)最小二乘編碼的高光譜遙感數(shù)據(jù)分類方法[J]. 齊永鋒,楊樂,火元蓮.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(07)
[7]基于復(fù)Contourlet和各向異性擴(kuò)散的圖像降噪算法[J]. 謝佩軍.  軟件. 2016(04)
[8]基于ICA的遙感圖像去噪融合研究[J]. 劉鑫淼,康朝紅,薛樂樂.  軟件. 2015(07)
[9]圖像去噪方法研究與仿真[J]. 曹妍,陳偉,徐森.  軟件. 2015(04)



本文編號(hào)：3043207