⭕⭕ 目 录 ⭕⭕

  • ✳️ 一、图像超分辨率重构原理
  • ✳️ 二、双线性插值重构理论与实验分析
    • ✳️ 2.1 双线性插值理论与实验验证
    • ✳️ 2.2 有偏距离双线性插值重构理论与实验验证
    • ✳️ 2.3 权重双线性插值理论与实验验证
    • ✳️ 2.4 有偏距离权值双线性插值理论与实验验证
  • ✳️ 三、参考文献
  • ✳️ 四、Matlab程序获取

✳️ 一、图像超分辨率重构原理

首先需要了解重构的逆过程,即图像的降质过程。在超分辨率重构中,假设观测到的多张低分辨率图片都是经过一系列降质过程得到的, 则这个降质过程应包括几何运动、光学模糊、亚采样以及附加噪声这四个步骤。 将这一系列降质过程用数学方式表示出来,就得到了我们的观测模型, 用 f 表示实际高分辨率图像, g k {{g}_{k}} gk​表示采集到的第 k 幅低分辨率图像, 则图像观测模型为:


式中: M k {{M}_{k}} Mk​表示运动矩阵;B表示模糊变换矩阵;D表示下采样矩阵; n k {{n}_{k}} nk​表示附加噪声。设 X 为实际高分辨率图像, 则降质过程可以描述为, 经过旋转平移运动、 变模糊、降分辨率和加入噪声四个过程, 最终得到观测图像 Y。过程如图1所示:

图 1 图像降质过程

✳️ 二、双线性插值重构理论与实验分析

如图2所示,图像插值就是要估计出已知像素点之间的像素值。为了估计像素x,需要其相邻像素及距离s等参数,对于一维等间距采样数据序列 f ( x k ) f\left( {{x}_{k}} \right) f(xk​)可以采用多种插值函数实现插值操作,插值序列可以写成如下形式

图 2 一维信号插值(像素点x由与之距离为s的领域点来估计)

式中; β ( x ) \beta (x) β(x)为插值基函数;x、 x k {{x}_{k}} xk​分别为连续空间点; c ( x k ) c\left( {{x}_{k}} \right) c(xk​)的值称为插值系数,需要在插值之前进行估计。

✳️ 2.1 双线性插值理论与实验验证

线性插值由于易于实现而被广泛应用,通常称为双线性插值,其插值公式如下:

在模拟实验中,首先对原始图像进行降采样,然后加入高斯白噪声(AWGN)来模拟低分辨率图像降质模型,最后,对低分辨率图像进行双线性插值重构原始图像,结果如图3所示,此时,重构图像与原始图像之间的峰值信噪比为27.9733。

图 3 双线性插值重构结果

✳️ 2.2 有偏距离双线性插值重构理论与实验验证

有偏距离( Warped- Distance,WaDi)算法是最简单的自适应图像插值算法,有偏距离算法主要是用基于估计像素周围邻域同性或异性得到的距离s’替代距离s,有偏距离s’如下

式中: A n {{A}_{n}} An​为 x k + 1 {{x}_{k+1}} xk+1​邻域数据的不对称度,其定义如下

其中,对于8位深像素值, L max ⁡ = 256 {{L}_{\max }}=256 Lmax​=256;缩放因子 L max ⁡ − 1 {{L}_{\max }}-1 Lmax​−1的作用是保证 A n {{A}_{n}} An​在-1~1之间,参数τ为有偏强度,为正整数,有偏距离图像插值的主要目的是防止边缘模糊。

基于有偏距离双线性插值重构得到原始图像,结果如图4所示,此时,重构图像与原始图像之间的峰值信噪比为28.3937。

图 4 有偏距离双线性插值重构结果

✳️ 2.3 权重双线性插值理论与实验验证

权重图像插值(Weighted Image Interpolation)不同于传统的图像插值技术,此算法基于变空间自适应权重来调整像素值的权重。此算法中距离s保持不变。权重双线性插值(Weighted bilinear )算法公式如下:


其中,

基于权值双线性插值重构得到原始图像,结果如图5所示,此时,重构图像与原始图像之间的峰值信噪比为28.4037。

图 5 权值双线性插值重构结果

✳️ 2.4 有偏距离权值双线性插值理论与实验验证

通过改变上述参数,可以得到有偏距离权值双线性插值(Weighted bilinear with warping),其结果如图6所示,此时,重构图像与原始图像之间的峰值信噪比为23.9017。

图 6 有偏距离权值双线性插值重构结果

✳️ 三、参考文献

[1] S. E. El-Khamy, M. M. Hadhoud, M. I. Dessouky et al. 2003. Adaptive Image Interpolation Based on Local Activity Levels, URSI National Radio Science Conference, Cairo, March.
[2] J. K. Han and H. M. Kim. 2001. Modified Cubic Convolution Scaler with Minimum Loss of Information, Optical Eng., 40, 540–546.
[3] A. Gotchev, K. Egiazarian, J. Vema et al. 2000. Edge-Preserving Image Resizing Using Modified B-Splines. In Proceedings of ICASSP.

✳️ 四、Matlab程序获取

上述验证实验由Matlab代码实现,其代码如下:

https://download.csdn.net/download/m0_70745318/87765223


博主简介:研究方向涉及智能图像处理、深度学习、卷积神经网络等领域,先后发表过多篇SCI论文,在科研方面经验丰富。任何与算法程序科研方面的问题,均可私信交流讨论


基于有偏距离权值双线性插值原理(Weighted bilinear with warping)的图像超分辨重构研究-附Matlab程序相关推荐

  1. 基于神经网络多项式插值的图像超分辨重构研究-附Matlab代码

    ⭕⭕ 目 录 ⭕⭕ ✳️ 一.引言 ✳️ 二.基于单帧图像的超分辨率重构技术 ✳️ 2.1 最近邻域插值法 ✳️ 2.2 双线性插值法 ✳️ 2.3 双三次插值法(Keys'插值) ✳️ 三.神经网络 ...

  2. 基于最小均方误差linear minimum mean square error(LMMSE)插值算法的图像超分辨重构研究-附Matlab代码

    ⭕⭕ 目 录 ⭕⭕ ✳️ 一.引言 ✳️ 二.图像复原基本原理 ✳️ 三.基于多通道LMMSE图像复原法 ✳️ 3.1 最小均方误差LMMSE插值理论 ✳️ 3.2 理论公式对应的Matlab关键代码 ...

  3. pythonb超分辨成像_深度原理与框架-图像超分辨重构-tensorlayer

    图像超分辨重构的原理,输入一张像素点少,像素较低的图像, 输出一张像素点多,像素较高的图像 而在作者的文章中,作者使用downsample_up, 使用imresize(img, []) 将图像的像素 ...

  4. pythonb超分辨成像_深度原理与框架-图像超分辨重构-tensorlayer(示例代码)

    图像超分辨重构的原理,输入一张像素点少,像素较低的图像, 输出一张像素点多,像素较高的图像 而在作者的文章中,作者使用downsample_up, 使用imresize(img, []) 将图像的像素 ...

  5. 【模糊综合评价的运用】——《基于模糊评价法的高校户外公共活动空间研究》论文笔记(内附MATLAB程序)

    基于模糊评价法的高校户外公共活动空间研究 - 中国知网 (cnki.net) [模糊综合评价的运用]--<基于模糊评价法的高校户外公共活动空间研究>论文笔记(内附MATLAB程序) 文章目 ...

  6. 一种基于卷积神经网络的图像去雾研究-含matlab代码

    目录 一.绪论 二.去雾卷积网络 2.1 特征提取 2.2 多尺度映射 2.3 局部均值 2.4 非线性回归 三.实验与分析 四.Matlab代码获取 一.绪论 雾是一种常见的大气现象,空气中悬浮的水 ...

  7. 26.利用概率神经网络分类 预测基于PNN的变压器故障诊断(附matlab程序)

    1.简述  学习目标: 概率神经网络分类预测   基于PNN的变压器故障诊断       概率神经网络是由Specht博士在1989年首先提出,  是一种与统计信号处理的许多概念有着紧密联系的并行算法 ...

  8. (附Matlab程序)(一)基于DCT编码的图像压缩:显示灰度图像 反余弦变换恢复图 DCT变换图 余弦变换系数图

    问题一:随机选取一整幅图像(命名"x.jpg"),编写Matlab程序显示灰度图像.反余弦变换恢复图.DCT变换图.余弦变换系数图,并与原始图像对比. clcclearclose ...

  9. 华为提出基于进化算法和权值共享的神经网络结构搜索,CIFAR-10上仅需单卡半天 | CVPR 2020...

    作者 | VincentLee 来源 | 晓飞的算法工程笔记 导读:为了优化进化算法在神经网络结构搜索时候选网络训练过长的问题,参考ENAS和NSGA-III,论文提出连续进化结构搜索方法(conti ...

最新文章

  1. 加州伯克利大学:自动驾驶中虚拟到现实的强化学习|厚势汽车
  2. 拿下 Google 实习 offer,19 岁的程序媛成长之路!
  3. gitolite 踩坑记
  4. 创建工程师文化的3个步骤 | IDCF
  5. Beyond Compare配置
  6. 引号吃掉了我的数据~~~
  7. 网络协议:ARP协议
  8. 商业有规律,赚钱有方法,不要在盲目努力了
  9. JVM第四节:JVM 执行子程序
  10. matlab肌电信号hz低通滤波器,燕山大学 数字信号处理 课程设计 肌电信号 Matlab 程序汇总...
  11. 差距越来越大, 直播行业割终结束, 虎牙、斗鱼平分天下?
  12. 通过REST API修改JUNOS的配置
  13. 万能平板刷机软件_万能手机刷机软件下载
  14. 实时错误‘429’:ActiveX控件不能创建对象
  15. 学大数据需要具备四种条件?你具备几种?
  16. [HLSL]HLSL 入门参考 (dx11龙书附录B译文)
  17. ie浏览器java不弹窗_解决IE屏蔽Java Applet问题的方法 .
  18. r语言echarts画箱线图_echarter: Echarts的R语言接口
  19. 想要搭建个人博客?我调研了 100 来个 Java 开源博客系统,发现这 5 个最好用!...
  20. ‘python不是内部或外部命令’解决办法

热门文章

  1. python怎么实现数组相加_Python 实现数组相减示例
  2. 字节开源视频动画特效 SDKAlphaPlayer
  3. 交通领域主要SCI期刊——2018年JCR
  4. 传奇服务器维护活力值怎么算,怎么办啊请问那个活力值是怎么搞的,我的活力 – 手机爱问...
  5. office2016激活后,打开总是显示“让我们开始...”解决办法
  6. Python学习笔记(11) 如何用爬虫完整抓取搜狐新闻文章?
  7. java正则表达式匹配小括号内的内容
  8. 使用 ssm 实现登录日志记录
  9. 鸿蒙系统汽车中控,自研芯与鸿蒙加持!华为智能座舱“一芯多屏”最全解读
  10. Java多线程超详解