一种优化的人脸图像超分辨率算法

针对传统超分辨率算法存在的局部失真和块效应问题提出了一种改进的算法。算法以马尔科夫模型为基础,在满足图像重构的约束条件下,利用非线性局部搜索技术找到训练集中的最优分块,通过水平相容性检查来实现匹配块间的兼容性。基于Sigmoid函数进行加权处理,提高了匹配的精度。实验结果表明,该算法在获取HR图像的过程中能有效地抑制块效应和局部失真现象的出现,改善了超分辨率图像的质量,与传统算法相比,该算法的鲁棒性较强。

一种优化的FCM图像分割方法

结合粗糙集理论,利用像素邻域的空间信息,对图像色彩的分布进行了量化表示,并据此提出一种基于量化粗糙信息的改进图像分割方法,该方法使用局部量化粗糙度和待定算子来更新FCM算法中的隶属度函数,实现图像的初步分割,并针对初步分割后的小区域和相似区域,进行色彩区域的合并操作,来对分割结果进行优化。实验结果表明,相对于传统的模糊C-均值(FCM)聚类分割算法,提出的方法降低了时间复杂度,且具有良好的分割效果。