基于图像类推的超分辨技术

作     者：古元亭 吴恩华 GU Yuan-Ting;WU En-Hua

作者机构：中国科学院软件研究所计算机科学重点实验室北京100080 澳门大学科学技术学院电脑与资讯科学系中国澳门 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2008年第19卷第4期

页      面：851-860页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金No.60473105 国家重点基础研究发展计划(973)No.2002CB312102~~ 

主　　题：超分辨 图像类推 马尔可夫网络 

摘      要：目前的图像超分辨技术都依赖于从适当的外部数据集合中提取信息以对图像进行增强,然而这个条件在很多实际应用中难以得到满足.通过对理想边缘模型与纹理内容的分析,发现图像在尺度空间上具有局部结构的自相似性及可传递性.基于这个特点,应用图像类推技术(image analogies,简称IA),可以将图像的局部特性在不同尺度上进行传递,从而为低分辨图像补充结构信息.在实现上。利用原图像和退化图像建立训练集合,用能量图构建学习网络,将图像类推问题转化为求解最小图能量问题.实验结果表明,这种自我类推方法不仅可以有效地提高放大图像的清晰程度,而且较一般的IA算法速度大为加快,更为重要的是,它可以摆脱一般方法对训练集合的依赖,完全独立进行.