群稀疏高斯洛伦兹混合先验超分辨率重建

TN911.73; 为了得到置信度更高的超分辨率先验模型,实现重建结果在噪声和细节之间的平衡,建立了基于混合稀疏表达框架下的高斯— 洛伦兹混合先验模型.研究了该先验模型在超分算法中的应用优势和具体的应用方案.首先,根据先验信息的类型介绍了一些超分辨率算法的优势和问题.接着,提出对图像不同分量的统计特点进行单独建模的应用方法.然后,在分析了混合稀疏框架、高斯吉布斯先验和洛伦兹先验的基础上,说明了基于群稀疏框架下的高斯— 洛伦兹混合先验的超分辨率算法.最后,介绍了具体实现环节和最终迭代方案.实验结果表明,本文基本完成了在重建过程中保持细节的同时抑制噪声的改进目标,可以用于更多复杂环境的超分辨率重建...

Full description

Saved in:
Bibliographic Details
Published in光电工程 Vol. 48; no. 11; pp. 50 - 61
Main Authors 马子杰, 赵玺竣, 任国强, 雷涛, 杨虎, 刘盾
Format Journal Article
LanguageChinese
Published 中国科学院光电技术研究所,四川 成都 610209 15.11.2021
中国科学院大学,北京 100049%中国科学院光电技术研究所,四川 成都 610209
Subjects
超分辨率算法;先验模型;高斯— 洛伦兹;混合稀疏表达
Online AccessGet full text
ISSN1003-501X
DOI10.12086/oee.2021.210299

Cover

More Information
Summary:TN911.73; 为了得到置信度更高的超分辨率先验模型,实现重建结果在噪声和细节之间的平衡,建立了基于混合稀疏表达框架下的高斯— 洛伦兹混合先验模型.研究了该先验模型在超分算法中的应用优势和具体的应用方案.首先,根据先验信息的类型介绍了一些超分辨率算法的优势和问题.接着,提出对图像不同分量的统计特点进行单独建模的应用方法.然后,在分析了混合稀疏框架、高斯吉布斯先验和洛伦兹先验的基础上,说明了基于群稀疏框架下的高斯— 洛伦兹混合先验的超分辨率算法.最后,介绍了具体实现环节和最终迭代方案.实验结果表明,本文基本完成了在重建过程中保持细节的同时抑制噪声的改进目标,可以用于更多复杂环境的超分辨率重建要求.
ISSN:1003-501X
DOI:10.12086/oee.2021.210299