一种实时鲁棒的超分辨率图像重建方法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (9): 178-180.

• 图形、图像、模式识别 • 上一篇下一篇

一种实时鲁棒的超分辨率图像重建方法

刘润丹1，潘新生2

1.阳江职业技术学院机电系，广东阳江 529566
2.广州星博信息技术有限公司事业三部，广州 510630

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-03-21 发布日期:2012-04-11

Robust and real-time approach for super-resolution image reconstruction

LIU Rundan1, PAN Xinsheng2

1.Yangjiang Vocational and Technical College, Yangjiang, Guangdong 529566, China
2.Guangzhou Xingbo Information Technology Co., Ltd, Guangzhou 510630, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-03-21 Published:2012-04-11

摘要/Abstract

摘要： 在智能交通系统中，超分辨率重建技术有着广泛的应用。提出一种新的超分辨率图像重建方法，用于提高超分辨率图像的重建质量。该方法从低分辨率图像中提取出具有独特性和鲁棒性的SURF特征描述子，进行匹配计算，采用最小二乘法估计运动参数，采用ANC算法对图像进行插值计算。实验结果表明，该方法具有较强的鲁棒性和实时性，重建质量较之其他重建算法要高。

关键词: 超分辨率, 图像重建, 快速鲁棒性特征（SURF）, 自适应归一化卷积

Abstract: In intelligent transportation systems, the super-resolution reconstruction is widely used. In order to improve the quality of super-resolution image, a new approach for super-resolution image reconstruction is proposed. This algorithm extracts all unique and robust feature descriptors of SURF from low resolution images, along with the matching calculation. The least square method is used to estimate motion parameters. Image interpolation is implemented by ANC algorithm. Experimental results show that this approach is characterized by robustness and real time, and the quality of reconstruction result is better than that of other reconstruction algorithms.

Key words: super-resolution, image reconstruction, Speeded Up Robust Features（SURF）, adaptive normalized convolution

刘润丹1，潘新生2. 一种实时鲁棒的超分辨率图像重建方法[J]. 计算机工程与应用, 2012, 48(9): 178-180.

LIU Rundan1, PAN Xinsheng2. Robust and real-time approach for super-resolution image reconstruction[J]. Computer Engineering and Applications, 2012, 48(9): 178-180.

[1]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[2]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[3]	夏皓，吕宏峰，罗军，蔡念. 图像超分辨率深度学习研究及应用进展[J]. 计算机工程与应用, 2021, 57(24): 51-60.
[4]	刘璟，宋海川，黄建设，马利庄. 通道与空间注意力图像超分辨率网络[J]. 计算机工程与应用, 2021, 57(2): 209-216.
[5]	丁玉祥，卞维新，接标，赵俊. 融合邻域回归和稀疏表示的图像超分辨率重构[J]. 计算机工程与应用, 2021, 57(2): 230-236.
[6]	黄健，赵元元，郭苹，王静. 深度学习的单幅图像超分辨率重建方法综述[J]. 计算机工程与应用, 2021, 57(18): 13-23.
[7]	孙菁阳，陈凤东，韩越越，吴煜雯，甘雨，刘国栋. 图像超分辨率重建算法综述[J]. 计算机工程与应用, 2021, 57(17): 1-9.
[8]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[9]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.
[10]	蒋文杰，罗晓曙，戴沁璇. 基于对抗网络人脸超分辨率重建算法研究[J]. 计算机工程与应用, 2021, 57(11): 219-223.
[11]	陈晨，刘明明，刘兵，周勇. 基于残差网络的图像超分辨率重建算法[J]. 计算机工程与应用, 2020, 56(8): 185-191.
[12]	李诚，张羽，黄初华. 改进的生成对抗网络图像超分辨率重建[J]. 计算机工程与应用, 2020, 56(4): 191-196.
[13]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[14]	张贺舒，李涛，宋公飞. 单帧图像的耦合生成式对抗超分辨率重建[J]. 计算机工程与应用, 2020, 56(24): 194-200.
[15]	蒋文杰，罗晓曙，戴沁璇. 基于对抗网络遥感图像超分辨率重建研究[J]. 计算机工程与应用, 2020, 56(21): 199-203.

一种实时鲁棒的超分辨率图像重建方法

Robust and real-time approach for super-resolution image reconstruction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics