压缩图像超分辨率重建算法学习

超分辨率重建是由一幅或多幅的低分辨率图像重构高分辨率图像,如由4幅1m分辨率的遥感图像重构分辨率0.25m分辨率图像。在军用/民用上都有非常大应用。

眼下的超分辨率重建方法主要分为3类:基于插值、基于学习、基于重建的方法。现在已经研究得比較多。可是大多数算法都是对普通图像进行研究,针对压缩图像/视频超分辨率重建的研究比較少。近期查阅部分文献。进行了学习。在此做些总结。

相关的文献:

1、Super-resolution from compressed video

2、Bayesian Resolution Enhancement of Compressed Video

3、RobustWeb Image/Video Super-Resolution

4、Self-Learning-Based Single Image Super-Resolution

of a Highly Compressed Image

算法原理:

文献1/2:文献1/2是同一人写的,该作者就该问题发表了多篇文章,方法基本类似。其思路与常规的基于重建的超分辨率方法类似,都是建立观測模型。依据数据保真项和正则化项建立重建代价函数。不同的是,数据保真项有些变化,由于要考虑压缩图像特有的量化噪声及取整噪声等,而不是通常如果的高斯噪声。此外正则化项也有所不同。须要考虑JPEG图像的块效应等,因此除了常规的约束,要对块边界的高频进行限制。详细内容參看文献。

文献3:这篇文献相对要新点,是2010年的。文章的思路非常好理解,先对JPEG压缩图像去块效应,然后超分辨率。在去块效应阶段,作者使用的是自适应PDE正则化方法,同一时候提出一种自适应确定正则化强度的方法。而在重建阶段。则是採用的基于例子的方法,这种方法相对照较成熟。

事实上这样的两步处理方式并不合理,是不提倡这样处理的,而应该将其放到一起考虑,如文献1/2那样。

文献4:这篇文献採用了稀疏字典的相关方法。对于待重建的图像。首先进行下採样。并将原始图像和下採样图像都用BM3D处理提取低频,相减后得到原始图像和下採用图像的高频(作者觉得块效应仅仅存在于高频分量之中,分别获取原始图像和下採样图像的高频是为了训练字典,而且是自训练字典)。

检測出高频之后。作者提出将高频分为有块效应块/无块效应块。分别建立字典D1/D2。而对于有块效应字典D1。作者将其原子聚类,觉得1部分原子是对块效应做贡献的,还有一部分原子则不含块效应,那么对于输入的块,我就仅仅採用不含块效应的原子重建,达到去块效应的目的。

事实上这样的去块效应的方法。作者写了还有一篇文章,EFFICIENT IMAGE/VIDEO DEBLOCKING VIA SPARSE REPRESENTATION,大家能够看一看。看了之后就更好理解这篇关于压缩图像超分辨率的文章,无非就是字典构建的问题。

临时就这么多,写得不好,各位看官将就看,有问题能够再讨论哦!

!!!

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

研究方向:图像压缩、超分辨率、图像去噪、图像复原等图像质量提升技术

JPEG压缩图像超分辨率重建算法的更多相关文章

  1. 基于稀疏表示的图像超分辨率《Image Super-Resolution Via Sparse Representation》

    由于最近正在做图像超分辨重建方面的研究,有幸看到了杨建超老师和马毅老师等大牛于2010年发表的一篇关于图像超分辨率的经典论文<ImageSuper-Resolution Via Sparse R ...

  2. 【超分辨率】—图像超分辨率(Super-Resolution)技术研究

    一.相关概念 1.分辨率 图像分辨率指图像中存储的信息量,是每英寸图像内有多少个像素点,分辨率的单位为PPI(Pixels Per Inch),通常叫做像素每英寸.一般情况下,图像分辨率越高,图像中包 ...

  3. 图像超分辨率算法:CVPR2020

    图像超分辨率算法:CVPR2020 Unpaired Image Super-Resolution using Pseudo-Supervision 论文地址: http://openaccess.t ...

  4. 『超分辨率重建』从SRCNN到WDSR

    超分辨率重建技术(Super-Resolution)是指从观测到的低分辨率图像重建出相应的高分辨率图像.SR可分为两类:    1. 从多张低分辨率图像重建出高分辨率图像    2. 从单张低分辨率图 ...

  5. Image Super-Resolution via Sparse Representation——基于稀疏表示的超分辨率重建

    经典超分辨率重建论文,基于稀疏表示.下面首先介绍稀疏表示,然后介绍论文的基本思想和算法优化过程,最后使用python进行实验. 稀疏表示 稀疏表示是指,使用过完备字典中少量向量的线性组合来表示某个元素 ...

  6. 小米造最强超分辨率算法 | Fast, Accurate and Lightweight Super-Resolution with Neural Architecture Search

    本篇是基于 NAS 的图像超分辨率的文章,知名学术性自媒体 Paperweekly 在该文公布后迅速跟进,发表分析称「属于目前很火的 AutoML / Neural Architecture Sear ...

  7. 比SRCNN效果好的传统超分辨率算法汇总

    1.基于深度协作表达的人脸图像超分辨率算法研究与应用_百度学术 采用一种深度协作表达算法框架,构造深度的多线性模型 分段拟合高低分辨率图像块之间的非线性关系,本文算法简洁高效,提供了一种新的深度学习模 ...

  8. 【超分辨率】- CVPR2019中SR论文导读与剖析

    CVPR2019超分领域出现多篇更接近于真实世界原理的低分辨率和高分辨率图像对应的新思路.具体来说,以前论文训练数据主要使用的是人为的bicubic下采样得到的,网络倾向于学习bicubic下采样的逆 ...

  9. HMS Core机器学习服务图像超分能力,基于深度学习提升新闻阅读体验

    在移动端阅读资讯时,人们对高分辨率.高质量的图像要求越来越高.但受限于网络流量.存储.图片源等诸多因素,用户无法便捷获得高质量图片.移动端显示设备的高分辨率图片获得问题亟待解决.不久前,HMS Cor ...

随机推荐

  1. [ASPX] DotLiquid-Asp.net模板引擎

    以前用过一段时间的PHP,感觉非常不错,其中最让我难忘的就是Smarty模板引擎,当时就微微地想Asp.net里有没有像这样的模板引擎呢?不过由于之后的工作内容都用不到,或者说没有想到用模板,这想法也 ...

  2. RabbitMQ消息队列服务

    MQ 全称为 Message Queue, 消息队列( MQ ) 是一种应用程序对应用程序的通信方法.应用程序通过读写出入队列的消息(针对应用程序的数据)来通信,而无需专用连接来链接它们. 一个软件它 ...

  3. flex和layout移动端布局

    1.九宫格 样式为: ul{ display: flex; flex-wrap: wrap;//超出换行 } li{ width: 33%; height: 60px; display: flex; ...

  4. VirtualBox 5.1.14 获取VirtualBox COM对象错误

    Oracle VM VirtualBox 5.1.14 安装完成之后显示错误, Failed to instantiate CLSID_VirtualBox w/ IVirtualBox, but C ...

  5. 字符串比较——compareTo函数

    package com.day03.ifelse; import java.math.BigInteger; /** * @author 王恒 * @datetime 2017年4月7日 下午3:13 ...

  6. Dapper中数据表的字段(列)与实体属性不一致时,如何手动配置它们之间的映射?

    NET[C#]Dapper中数据表的字段(列)与实体属性不一致时,如何手动配置它们之间的映射? 问题描述 比如有如下的数据表结构:Person: person_id int first_name va ...

  7. 单件模式(Singleton)C++实现

    意图:保证一个类仅有一个实例,并提供一个访问它的全局访问点. 实用性:1.当类只能有一个实例而且客户可以从一个众所周知的访问点访问它. 2.当这个唯一的实例应该是通过子类可扩展的,并且客户应该无需更改 ...

  8. 学习js与css 写个2048

    学习阶段,还是写点小东西练练手学的有意思一点,今天用栅格布局做了一个2048,但是移动动画和合并特效没有做,只简单的实现了一下功能. 记录一下学习的过程. 1.入口函数,初始化界面,我这里是直接是一个 ...

  9. 关于KO信息

    最近写大论文查到KO也是可以用于分类的一种信息. 如何使用KEGG进行通路富集http://blog.sciencenet.cn/blog-364884-779116.html kegg 数据库学习笔 ...

  10. React 学习笔记:1-react 入门

    接下来的项目里有用到react,最近一段时间主要关注于react 的学习.大部门都是网上的资料,学习整理并记录,加深记忆. React 是Facebook推出的用来构建用户界面的JavaScript库 ...