Adaptive Multiple-Frame Image Super-Resolution Based on U-Curve
Adaptive Multiple-Frame Image Super-Resolution Based on U-Curve
复制标题
基于U曲线的自适应多帧图像超分辨率
DOI：
10.1109/tip.2010.2055571
复制
发表时间：
2010-12
影响因子：
10.6
通讯作者：
Li, Pingxiang
中科院分区：
文献类型：
--
作者：
Yuan, Qiangqiang;Zhang, Liangpei;Shen, Huanfeng;Li, Pingxiang
图像超分辨率（SR）重建是近年来的研究热点。该技术允许从多个有噪声、模糊和下采样的低分辨率 (LR) 图像中恢复高分辨率 (HR) 图像。在可用的重建框架中，最大后验（MAP）模型被广泛使用。在该模型中，正则化参数起着重要作用。参数太小，噪声不能得到有效抑制；反之，重建结果就会变得模糊。因此，如何自适应地选择最优的正则化参数受到了广泛的讨论。在本文中，我们提出了一种基于 U 曲线的自适应 MAP 重建方法。为了确定正则化参数，首先使用数据保真度项和先验项构造U曲线函数，然后将曲线的左侧最大曲率点视为最优参数。所提出的算法在模拟和实际数据上进行了测试。实验结果表明了该方法在视觉效果和定量方面的有效性和鲁棒性。
Image super-resolution (SR) reconstruction has been a hot research topic in recent years. This technique allows the recovery of a high-resolution (HR) image from several low-resolution (LR) images that are noisy, blurred and down-sampled. Among the available reconstruction frameworks, the maximum a posteriori (MAP) model is widely used. In this model, the regularization parameter plays an important role. If the parameter is too small, the noise will not be effectively restrained; conversely, the reconstruction result will become blurry. Therefore, how to adaptively select the optimal regularization parameter has been widely discussed. In this paper, we propose an adaptive MAP reconstruction method based upon a U-curve. To determine the regularization parameter, a U-curve function is first constructed using the data fidelity term and prior term, and then the left maximum curvature point of the curve is regarded as the optimal parameter. The proposed algorithm is tested on both simulated and actual data. Experimental results show the effectiveness and robustness of this method, both in its visual effects and in quantitative terms.
登录
查看更多内容
影响因子：
10.6
作者：
Shen, Huanfeng;Zhang, Liangpei;Li, Pingxiang
通讯作者：
Li, Pingxiang
DOI：
10.1109/83.382494
发表时间：
1995-05
期刊：
IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
影响因子：
--
作者：
M. Kang;A. Katsaggelos
通讯作者：
M. Kang;A. Katsaggelos
DOI：
10.1093/comjnl/bxn031
发表时间：
2007-12
期刊：
2007 15th European Signal Processing Conference
影响因子：
--
作者：
M. Vega;J. Mateos;R. Molina;A. Katsaggelos
通讯作者：
M. Vega;J. Mateos;R. Molina;A. Katsaggelos
影响因子：
5.6
作者：
Alam, MS;Bognar, JG;Yasuda, BJ
通讯作者：
Yasuda, BJ
DOI：
10.1016/1049-9652(91)90045-l
发表时间：
1991-05-01
期刊：
CVGIP-GRAPHICAL MODELS AND IMAGE PROCESSING
影响因子：
--
作者：
IRANI, M;PELEG, S
通讯作者：
PELEG, S