基于层次聚类的图像超分辨率重建

曾台英; 杜菲

doi:doi:10.3788/AOS201838.0410004

光学学报, 2018, 38 (4): 0410004, 网络出版: 2018-07-10

基于层次聚类的图像超分辨率重建下载： 923次

Image Super-Resolution Reconstruction Based on Hierarchical Clustering

曾台英杜菲 ^*

作者单位

上海理工大学出版印刷与艺术设计学院, 上海 200093

图 & 表

图 1. 基于层次聚类的图像超分辨率重建算法流程图

Fig. 1. Flow chart of image super-resolution reconstruction based on hierarchical clustering

下载图片查看原文

图 2. 多字典学习流程图

Fig. 2. Flow chart of multi-dictionary learning

下载图片查看原文

图 3. 凝聚和分裂层次聚类方法流程图

Fig. 3. Flow chart of hierarchical clustering of agglomerative nesting and divisive analysis

下载图片查看原文

图 4. 20个样本的层次聚类结构图

Fig. 4. Structure diagram of hierarchical clustering of 20 samples

下载图片查看原文

图 5. 5000个样本的层次聚类结构图

Fig. 5. Structure diagram of hierarchical clustering of 5000 samples

下载图片查看原文

图 6. 标准测试图像。(a) Parrots; (b) Bike; (c) Hat; (d) Lena; (e) Peppers; (f) Leaves

Fig. 6. Standard test images. (a) Parrots; (b) Bike; (c) Hat; (d) Lena; (e) Peppers; (f) Leaves

下载图片查看原文

图 7. Leaves图像采用不同算法重建后的效果。(a)原图;(b)双三次插值算法;(c) Yang等[8]所提算法;(d) Dong等[9]所提算法;(e) Peleg等[10]所提算法;(f)本研究所提算法

Fig. 7. Reconstruction images of Leaves using different algorithms. (a) Original image; (b) bicubic interpolation algorithm; (c) algorithm proposed by Yang et al.[8]; (d) algorithm proposed by Dong et al.[9]; (e) algorithm proposed by Peleg et al.[10]; (f) our algorithm

下载图片查看原文

图 8. Lena图像采用不同算法重建后的效果。(a)原图;(b)双三次插值算法;(c) Yang等[8]所提算法;(d) Dong等[9]所提算法;(e) Peleg等[10]所提算法;(f)本研究所提算法

Fig. 8. Reconstruction images of Lena using different algorithms. (a) Original image; (b) bicubic interpolation algorithm; (c) algorithm proposed by Yang et al.[8]; (d) algorithm proposed by Dong et al.[9]; (e) algorithm proposed by Peleg et al.[10]; (f) our algorithm

下载图片查看原文

图 9. Leaves和Lena图像采用不同算法重建后的局部效果。(a)双三次插值算法;(b) Yang等[8]所提算法;(c) Dong等[9]所提算法;(d) Peleg等[10]所提算法;(e)本研究所提算法

Fig. 9. Local reconstruction images of Leaves and Lena using different algorithms. (a) Bicubic interpolation algorithm; (b) algorithm proposed by Yang et al.[8]; (c) algorithm proposed by Dong et al.[9]; (d) algorithm proposed by Peleg et al.[10]; (e) our algorithm

下载图片查看原文

图 10. 采用不同算法重建图像的(a) PSNR和(b) SSIM折线图

Fig. 10. (a) PSNR and (b) SSIM line diagrams of reconstruction images with different algorithms

下载图片查看原文

表 1采用不同算法重建图像的PSNR和SSIM

Table1. PSNR and SSIM of reconstruction images using different algorithms

Image	Bicubic interpolation algorithm		Algorithm proposed by Yang et al.^[8]		Algorithm proposed by Dong et al.^[9]		Algorithm proposed by Peleg et al.^[10]		Our algorithm
Image	PSNR	SSIM	PSNR	SSIM	PSNR	SSIM	PSNR	SSIM	PSNR	SSIM
Parrots	26.93	0.7714	27.91	0.8205	29.17	0.8971	29.57	0.9038	30.19	0.9108
Bike	21.03	0.5178	21.68	0.5910	23.75	0.7599	24.05	0.7743	24.60	0.7968
Hat	28.22	0.7386	29.19	0.7773	30.19	0.8552	30.67	0.8661	31.06	0.8734
Lena	30.29	0.7782	31.56	0.8157	32.12	0.8971	32.55	0.8980	32.90	0.9044
Peppers	29.85	0.7169	29.91	0.7548	32.27	0.8784	32.76	0.8795	33.18	0.8878
Leaves	21.16	0.5750	21.90	0.6707	25.24	0.8560	26.64	0.8733	27.12	0.9108
Average value	26.25	0.6830	27.03	0.7383	28.79	0.8573	29.37	0.8659	29.84	0.8807

查看原文

曾台英, 杜菲. 基于层次聚类的图像超分辨率重建[J]. 光学学报, 2018, 38(4): 0410004. Taiying Zeng, Fei Du. Image Super-Resolution Reconstruction Based on Hierarchical Clustering[J]. Acta Optica Sinica, 2018, 38(4): 0410004.

基于层次聚类的图像超分辨率重建下载： 923次

图 1. 基于层次聚类的图像超分辨率重建算法流程图

Fig. 1. Flow chart of image super-resolution reconstruction based on hierarchical clustering

图 2. 多字典学习流程图

Fig. 2. Flow chart of multi-dictionary learning

图 3. 凝聚和分裂层次聚类方法流程图

Fig. 3. Flow chart of hierarchical clustering of agglomerative nesting and divisive analysis

图 4. 20个样本的层次聚类结构图

Fig. 4. Structure diagram of hierarchical clustering of 20 samples

图 5. 5000个样本的层次聚类结构图

Fig. 5. Structure diagram of hierarchical clustering of 5000 samples

图 6. 标准测试图像。(a) Parrots; (b) Bike; (c) Hat; (d) Lena; (e) Peppers; (f) Leaves

Fig. 6. Standard test images. (a) Parrots; (b) Bike; (c) Hat; (d) Lena; (e) Peppers; (f) Leaves

图 7. Leaves图像采用不同算法重建后的效果。(a)原图;(b)双三次插值算法;(c) Yang等[8]所提算法;(d) Dong等[9]所提算法;(e) Peleg等[10]所提算法;(f)本研究所提算法

Fig. 7. Reconstruction images of Leaves using different algorithms. (a) Original image; (b) bicubic interpolation algorithm; (c) algorithm proposed by Yang et al.[8]; (d) algorithm proposed by Dong et al.[9]; (e) algorithm proposed by Peleg et al.[10]; (f) our algorithm

图 8. Lena图像采用不同算法重建后的效果。(a)原图;(b)双三次插值算法;(c) Yang等[8]所提算法;(d) Dong等[9]所提算法;(e) Peleg等[10]所提算法;(f)本研究所提算法

Fig. 8. Reconstruction images of Lena using different algorithms. (a) Original image; (b) bicubic interpolation algorithm; (c) algorithm proposed by Yang et al.[8]; (d) algorithm proposed by Dong et al.[9]; (e) algorithm proposed by Peleg et al.[10]; (f) our algorithm

图 9. Leaves和Lena图像采用不同算法重建后的局部效果。(a)双三次插值算法;(b) Yang等[8]所提算法;(c) Dong等[9]所提算法;(d) Peleg等[10]所提算法;(e)本研究所提算法

Fig. 9. Local reconstruction images of Leaves and Lena using different algorithms. (a) Bicubic interpolation algorithm; (b) algorithm proposed by Yang et al.[8]; (c) algorithm proposed by Dong et al.[9]; (d) algorithm proposed by Peleg et al.[10]; (e) our algorithm

图 10. 采用不同算法重建图像的(a) PSNR和(b) SSIM折线图

Fig. 10. (a) PSNR and (b) SSIM line diagrams of reconstruction images with different algorithms

表 1采用不同算法重建图像的PSNR和SSIM

Table1. PSNR and SSIM of reconstruction images using different algorithms

关于本站 Cookie 的使用提示

全站搜索

基于层次聚类的图像超分辨率重建 下载： 923次

图 1. 基于层次聚类的图像超分辨率重建算法流程图

Fig. 1. Flow chart of image super-resolution reconstruction based on hierarchical clustering

图 2. 多字典学习流程图

Fig. 2. Flow chart of multi-dictionary learning

图 3. 凝聚和分裂层次聚类方法流程图

Fig. 3. Flow chart of hierarchical clustering of agglomerative nesting and divisive analysis

图 4. 20个样本的层次聚类结构图

Fig. 4. Structure diagram of hierarchical clustering of 20 samples

图 5. 5000个样本的层次聚类结构图

Fig. 5. Structure diagram of hierarchical clustering of 5000 samples

图 6. 标准测试图像。(a) Parrots; (b) Bike; (c) Hat; (d) Lena; (e) Peppers; (f) Leaves

Fig. 6. Standard test images. (a) Parrots; (b) Bike; (c) Hat; (d) Lena; (e) Peppers; (f) Leaves

图 7. Leaves图像采用不同算法重建后的效果。(a)原图;(b)双三次插值算法;(c) Yang等[8]所提算法;(d) Dong等[9]所提算法;(e) Peleg等[10]所提算法;(f)本研究所提算法

Fig. 7. Reconstruction images of Leaves using different algorithms. (a) Original image; (b) bicubic interpolation algorithm; (c) algorithm proposed by Yang et al.[8]; (d) algorithm proposed by Dong et al.[9]; (e) algorithm proposed by Peleg et al.[10]; (f) our algorithm

图 8. Lena图像采用不同算法重建后的效果。(a)原图;(b)双三次插值算法;(c) Yang等[8]所提算法;(d) Dong等[9]所提算法;(e) Peleg等[10]所提算法;(f)本研究所提算法

Fig. 8. Reconstruction images of Lena using different algorithms. (a) Original image; (b) bicubic interpolation algorithm; (c) algorithm proposed by Yang et al.[8]; (d) algorithm proposed by Dong et al.[9]; (e) algorithm proposed by Peleg et al.[10]; (f) our algorithm

图 9. Leaves和Lena图像采用不同算法重建后的局部效果。(a)双三次插值算法;(b) Yang等[8]所提算法;(c) Dong等[9]所提算法;(d) Peleg等[10]所提算法;(e)本研究所提算法

Fig. 9. Local reconstruction images of Leaves and Lena using different algorithms. (a) Bicubic interpolation algorithm; (b) algorithm proposed by Yang et al.[8]; (c) algorithm proposed by Dong et al.[9]; (d) algorithm proposed by Peleg et al.[10]; (e) our algorithm

图 10. 采用不同算法重建图像的(a) PSNR和(b) SSIM折线图

Fig. 10. (a) PSNR and (b) SSIM line diagrams of reconstruction images with different algorithms

表 1采用不同算法重建图像的PSNR和SSIM

Table1. PSNR and SSIM of reconstruction images using different algorithms

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

基于层次聚类的图像超分辨率重建下载： 923次