本文旨在對一種經典的圖像超分辨率方法——LLE算法（局部線性嵌入算法）及其代碼進行一些改進和優(yōu)化。為提高對大量圖像塊的搜索速度,我們采用kd樹算法整理樣本集;鑒于像素點灰度值的非負性,我們采用非負最小二乘法而不是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對實驗結果造成影響,我們對訓練樣本圖像的若干因素進行一系列組合,通過正交實驗設計得出樣本集的最佳選取標準。實驗表明,改進后的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。 

【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)點開始，循環(huán)下列操作：Step1當前點未被標記時執(zhí)行以下循環(huán)：（1）求其與目標點歐式距離，標記該點，若距離小于第k個近鄰點與目標點距離則更新k近鄰點；（2）比較目標點與當前點劃分子樹維度數(shù)值大小，如果對應一邊不存在子樹則停止循環(huán)，否則將對應一邊子樹的根節(jié)點作為當前點。Step2如果當前點為根節(jié)點則結束循環(huán)，否則執(zhí)行以下操作：（1）計算目標點與當前點父節(jié)點對應劃分維度的數(shù)值間距離；（2）若該距離大于第k近鄰距離數(shù)值，則考慮當前點父節(jié)點是否存在另一子節(jié)點；（3）若存在則令其為當前點，否則令當前點父節(jié)點為當前點。下面根據(jù)上述過程對前面7個點對搜索點進行最搜索（k近鄰搜索過程類似）。2.2.1確定搜索路徑（1）計算目標點到根節(jié)點A的距離并更新當前最小距離的點為A；圖3為目標點距離更新示意圖。圖3目標點距離更新示意圖Fig.3Updatingobjectpointdistance（2）當目標點比A所指分割維度數(shù)值小，移動當前點至A的左子節(jié)點B；如圖4所示。（3）重復（1）（2）直至當前點為葉子節(jié)點，即當前點移至E，因此當前搜索路徑為A→B→E。圖5為葉子節(jié)點和搜索路徑的確定示意圖。2.2.2回溯至根節(jié)點（1）由于目標點到當前點E的父節(jié)點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D所在區(qū)域，故令當前點父節(jié)點B為當前點；圖6為搜索區(qū)域和父節(jié)點的確定示意圖。圖4子節(jié)點的確定示意圖Fig.4Determiningchildnodes圖5葉子節(jié)點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)點開始，循環(huán)下列操作：Step1當前點未被標記時執(zhí)行以下循環(huán)：（1）求其與目標點歐式距離，標記該點，若距離小于第k個近鄰點與目標點距離則更新k近鄰點；（2）比較目標點與當前點劃分子樹維度數(shù)值大小，如果對應一邊不存在子樹則停止循環(huán)，否則將對應一邊子樹的根節(jié)點作為當前點。Step2如果當前點為根節(jié)點則結束循環(huán)，否則執(zhí)行以下操作：（1）計算目標點與當前點父節(jié)點對應劃分維度的數(shù)值間距離；（2）若該距離大于第k近鄰距離數(shù)值，則考慮當前點父節(jié)點是否存在另一子節(jié)點；（3）若存在則令其為當前點，否則令當前點父節(jié)點為當前點。下面根據(jù)上述過程對前面7個點對搜索點進行最搜索（k近鄰搜索過程類似）。2.2.1確定搜索路徑（1）計算目標點到根節(jié)點A的距離并更新當前最小距離的點為A；圖3為目標點距離更新示意圖。圖3目標點距離更新示意圖Fig.3Updatingobjectpointdistance（2）當目標點比A所指分割維度數(shù)值小，移動當前點至A的左子節(jié)點B；如圖4所示。（3）重復（1）（2）直至當前點為葉子節(jié)點，即當前點移至E，因此當前搜索路徑為A→B→E。圖5為葉子節(jié)點和搜索路徑的確定示意圖。2.2.2回溯至根節(jié)點（1）由于目標點到當前點E的父節(jié)點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D所在區(qū)域，故令當前點父節(jié)點B為當前點；圖6為搜索區(qū)域和父節(jié)點的確定示意圖。圖4子節(jié)點的確定示意圖Fig.4Determiningchildnodes圖5葉子節(jié)點和搜索路徑的確定示意圖Fig.5Determiningle

【參考文獻】：
期刊論文
[1]基于正交實驗和多項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.  上海交通大學學報. 2019(01)
[2]Dense SIFT與改進最小二乘匹配結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. 2018(10)
[3]基于K-D樹和機器學習的時空數(shù)據(jù)檢索-預測系統(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)降采樣的卷積神經網絡圖像分類方法[J]. 宋婷婷,徐世許.  軟件. 2018(02)
[6]基于稀疏非負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.  農業(yè)機械學報. 2016(07)
[7]基于復Contourlet和各向異性擴散的圖像降噪算法[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：3043207