《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計(jì)應(yīng)用 > 二階廣義全變分耦合非局部變換域模型的圖像放大
二階廣義全變分耦合非局部變換域模型的圖像放大
2021年電子技術(shù)應(yīng)用第11期
海 濤1，2,，3，鮑宜帆4,，5，潘浩浩1
1.南陽師范學(xué)院 機(jī)電工程學(xué)院，河南 南陽473061； 2.河南省毫米波無線通信射頻前端及天線工程研究中心,，河南 南陽473061； 3.河南省車輛零部件智能制造工程研究中心,，河南 南陽473061； 4.南京理工大學(xué) 光電學(xué)院,，江蘇 南京210094,；5.南陽農(nóng)業(yè)職業(yè)學(xué)院，河南 南陽473061
摘要： 為了提高偏微分方程放大算法對(duì)弱邊緣和紋理細(xì)節(jié)的放大效果,，采用二階廣義全變分耦合非局部變換域模型,提出了一種圖像放大算法模型,。非局部變換域模型通過對(duì)相似圖像塊構(gòu)成的圖像組進(jìn)行三維變換，利用由于圖像非局部自相似特性導(dǎo)致的變換系數(shù)稀疏特性建模,，能夠很好利用圖像中相似圖像塊的非局部信息,。該算法利用二階廣義全變分模型增強(qiáng)強(qiáng)邊緣，非局部變換域模型增強(qiáng)弱邊緣和紋理細(xì)節(jié),，通過變分模型實(shí)現(xiàn)兩者的耦合,，具有良好的放大效果。與其他算法進(jìn)行仿真實(shí)驗(yàn)比較,，二階廣義全變分耦合非局部變換域模型在處理強(qiáng)邊緣,、弱邊緣和細(xì)節(jié)上都取得了較好的放大效果。
中圖分類號(hào)： TN911.73
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.200771
中文引用格式： 海濤,，鮑宜帆,，潘浩浩. 二階廣義全變分耦合非局部變換域模型的圖像放大[J].電子技術(shù)應(yīng)用，2021,，47(11)：90-94,，104.
英文引用格式： Hai Tao，Bao Yifan,，Pan Haohao. Image enlargement basing on second order total generalized variation coupling to non-local transform domain model[J]. Application of Electronic Technique,，2021，47(11)：90-94,，104.
Image enlargement basing on second order total generalized variation coupling to non-local transform domain model
Hai Tao1,，2,，3，Bao Yifan4,，5,，Pan Haohao1
1.Mechanical and Electrical Engineering Institute，Nanyang Normal University,，Nanyang 473061,，China； 2.Henan Engineering Research Center for Radio Frequency Front End and Antenna of Millimeter Wave Wireless Communication System,，Nanyang 473061,，China； 3.Henan Intelligent Manufacturing Engineering Research Center for Vehicle Parts,，Nanyang 473061,，China； 4.Electro Optic Institute,，Nanjing University of Science & Technology,，Nanjing 210094，China,； 5.Nanyang Vocational College of Agriculture,，Nanyang 473061，China
Abstract： In order to improve the zoomed effect of the weak edge and texture of image,the image enlargement model is proposed based on partial differential equation, combining total generalized variation and non-local transform domain model . Using the non-local self-similarity property of the image through the three dimension transform of the group composed of similar image block, the sparse representation model in transform domain utilizes non-local information of the image effectively.Total Generalized Variation enhancing strong edges better and non-local transform domain model enhancing the weak edge and texture details better, the proposed model has better performance. Compared with other algorithms, the second-order generalized total variation coupling to non-local transform domain model achieves better amplification effect in dealing with strong edges, weak edges and details.
Key words : total generalized variation,；non-local transform domain model,；non-local self-similarity；image enlargement

0 引言

    圖像放大實(shí)現(xiàn)了單幅圖像分辨率增強(qiáng),，在圖像處理中有廣泛應(yīng)用,。利用全變分TV模型(Total Variation，TV)對(duì)圖像進(jìn)行放大[1],，在圖像邊緣處理上有較好的處理效果,，在平滑圖像存在階梯效應(yīng)的不足。Bredies提出了廣義全變分(Total Generalized Variation,，TGV),，是對(duì)全變分模型擴(kuò)展的新模型[2]，解決了圖像在平滑區(qū)域的階梯效應(yīng),，可以逼近高階多項(xiàng)式,，并且具備下半連續(xù)性，凸性和旋轉(zhuǎn)不變性,。TGV在圖像放大中得到應(yīng)用,，并取得了較好的效果[3]。

    TGV雖然較好地避免了階梯效應(yīng),，但是在弱邊緣和細(xì)節(jié)部分處理效果提升并不大[4],。文獻(xiàn)[5]采用TGV和剪切波相結(jié)合的方法改善弱邊緣和細(xì)節(jié)的增強(qiáng),；文獻(xiàn)[6]提出了加權(quán)TGV模型用于圖像放大，增強(qiáng)其對(duì)弱邊緣和細(xì)節(jié)的處理效果,，通過非局部廣義全變分實(shí)現(xiàn)對(duì)光流圖形進(jìn)行處理,，很好地解決了弱邊緣和細(xì)節(jié)處理效果。本文通過實(shí)現(xiàn)TGV與非局部變換模型相結(jié)合的方法實(shí)現(xiàn)對(duì)圖像弱邊緣和細(xì)節(jié)的分辨率增強(qiáng),。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://forexkbc.com/resource/share/2000003834,。




作者信息：

海  濤1，2,，3,，鮑宜帆4，5,，潘浩浩1

(1.南陽師范學(xué)院 機(jī)電工程學(xué)院,，河南 南陽473061；

2.河南省毫米波無線通信射頻前端及天線工程研究中心,，河南 南陽473061,；

3.河南省車輛零部件智能制造工程研究中心，河南 南陽473061,；

4.南京理工大學(xué) 光電學(xué)院，江蘇 南京210094,；5.南陽農(nóng)業(yè)職業(yè)學(xué)院,，河南 南陽473061)





wd.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。