徐国明
- 作品数：5 被引量：14H指数：2
- 供职机构：中国人民解放军陆军军官学院更多>>
- 发文基金：安徽省自然科学基金国家自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术更多>>
- 基于混合高斯稀疏编码的图像超分辨率重建方法被引量：6
- 2013年
- 在基于稀疏表示的超分辨率重建过程中,当对图像进行稀疏编码时由于其分解残差并不是简单的符合高斯分布或拉普拉斯分布,针对这一问题提出混合高斯稀疏编码模型。模型基于最大似然估计准则,首先定义目标函数为加权l2范数逼近问题,根据分解残差定义其权值,采用迭代重加权稀疏编码算法进行求解。然后基于此模型建立超分辨率重建模型和算法,利用此方法学习训练出同构的高/低分辨率过完备字典并求得图像的稀疏表示,最后对重建过程进行改进以提高算法对噪声的鲁棒性。实验结果验证了本文方法的有效性。
- 徐国明薛模根袁广林
- 关键词：超分辨率混合高斯
- 稀疏性正则化非负矩阵分解的在线学习方法被引量：1
- 2013年
- 针对非负矩阵分解效率低的不足,提出一种基于在线学习的稀疏性非负矩阵分解的快速方法.通过对目标函数添加正则化项来控制分解后系数矩阵的稀疏性,将问题转化成稀疏表示的字典学习问题,利用在线字典学习算法求解目标函数,并对迭代过程的矩阵更新进行转换,采取块坐标下降法进行矩阵更新,提高算法收敛速度.实验结果表明,该方法在有效保持图像特征信息的同时,运行效率得到提高.
- 薛模根徐国明王峰
- 关键词：非负矩阵分解
- 用于超分辨率重建的同构过完备字典学习方法被引量：1
- 2014年
- 构造合适的过完备字典是基于稀疏表示的超分辨率重建中的关键问题之一。在最大似然估计准则下,建立基于混合高斯的同构过完备字典学习模型。模型采用加权的l2范数来刻画分解残差,由分解残差设计权值矩阵,并且将同构的双字典学习问题转化为单字典的学习。采用稀疏编码和字典更新的交替迭代策略完成目标函数的求解,由内点法进行稀疏编码,采用拉格朗日对偶法完成字典更新。最后将学习得到的字典用于超分辨率重建实验,并与其他方法进行比较。实验结果验证了该模型和算法的有效性。
- 谢宝陵徐国明
- 关键词：超分辨率混合高斯
- 聚类字典下集中式稀疏表示的幻觉脸重建方法被引量：2
- 2014年
- 在基于稀疏表示的幻觉脸重建过程中,由于冗余的过完备字典会降低稀疏编码的效率和精度,提出用紧的聚类子字典来表示人脸图像的不同结构对象。由高分辨率(high resolution,HR)/低分辨率(low resolution,LR)的人脸图像样本集进行K-均值聚类,为使紧的聚类子字典能够表达图像块的整体特征,对各聚类子集采用主成分分析(principal component analysis,PCA)方法构造字典。得到同构的HR/LR的聚类字典后,对于输入的LR人脸图像块,经自适应选择合适的子字典后,对稀疏编码添加正则化项,采用集中式稀疏编码,以使稀疏表示系数更逼近要重建的HR人脸图像块。由此稀疏表示系数与HR字典的线性组合得到HR人脸图像块,将此图像块与近似结果进行合成,从而得到最终的人脸图像。经仿真实验,并与其他的方法进行比较,实验结果验证了所提方法的有效性。
- 薛模根徐国明
- 关键词：超分辨率重建
- 基于过完备字典的鲁棒性单幅图像超分辨率重建模型及算法被引量：5
- 2012年
- 针对单幅含噪图像的超分辨率重建问题,基于图像在过完备字典下的稀疏表示建立了超分辨率重建模型.该模型中低分辨率字典采用K-SVD算法直接训练,高分辨率字典则由高分辨率图像块与低分辨率字典下的同构的表示系数进行逼近求得;近似的高分辨率图像块通过高分辨率字典乘以表示系数得到,为使重建结果对噪声具有鲁棒性,利用基于稀疏表示的噪声图像恢复的方法由重叠的近似高分辨率图像块求得最终结果.实验结果表明,文中模型无论是主观视觉还是客观评价指标均取得了较好的效果,并验证了模型及算法的有效性.
- 徐国明薛模根崔怀超
- 关键词：超分辨率单幅图像
