浙江传媒学院电子信息学院, 浙江杭州 310018
针对光学相机成像分辨率低、噪声干扰严重等问题, 本文提出一种能有效去噪的高精度超分辨方法 —基于快速 l1-范数稀疏表示和二阶广义全变分(TGV)的超分辨方法。首先利用各向异性扩散张量 (ADT)作为边缘高频信息, 通过快速 l1-范数稀疏表示方法建立 LR图像和相对应的高频信息 ADT的字典集; 其次将字典学习到的 ADT边缘信息和 TGV模型组合成新的规则项; 最后利用新的规则项建立超分辨代价函数, 并利用图像增强后处理方法对整幅图像进行优化。结果表明: 算法对仿真数据和 SO12233靶标数据具有较高的可行性和鲁棒性, 能有效去除噪声等异常点, 获得高质量清晰图像, 同时与其他经典算法相比, 所提算法超分辨的峰值信噪比和结构相似度均有所增大。
光学相机 超分辨 二阶广义全变分 快速稀疏表示 各向异性扩散张量 optical camera super-resolution total generalized variation fast sparse representations anisotropic diffusion tensor
长春理工大学电子信息工程学院, 吉林 长春130022
针对飞行时间相机获取深度图像分辨率低,并受成像噪声干扰的问题,提出一种插值深度图和高分辨率彩色图像联合约束的二阶广义全变分(TGV)深度图超分辨率重建方法。首先利用传统插值和多尺度形态学方法进行预处理,获取插值深度图的梯度信息,然后将插值深度图和同场景高分辨率彩色图像两者的梯度信息联合,对二阶TGV模型中的正则化项加以优化:计算各项异性扩散张量时结合插值深度图的梯度信息;引入由插值深度图梯度信息决定的加权因子,控制重建过程中扩散强度。最后通过原始对偶算法完成深度图的超分辨率重建。实验结果表明,本文方法在抑制噪声的基础上,有效保护了深度边缘,可以获得较好的高分辨率深度图像。
图像处理 超分辨率重建 二阶广义全变分 深度图像 多尺度形态学
