多形态稀疏性正则化的图像超分辨率算法

如何设计更加高效并能保持图像几何和纹理结构的多幅图像超分辨模型和算法是目前该领域有待解决的难点问题.针对图像的几何、纹理结构形态,分别建立符合类内强稀疏而类间强不相干的几何结构和纹理分量稀疏表示子成份字典,形成图像的多形态稀疏表示模型,进而提出一种新的基于多形态稀疏性正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在多成份字典下的稀疏性先验约束,保真项度量其在退化模型下与观测信号的一致性,采用交替迭代法对该多变量优化问题进行数值求解,每一子问题采用前向后向的算法分裂法进行快速求解.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.

基于卡通纹理模型的图像压缩感知重建

传统的压缩感知重建算法,没有考虑到图像的纹理和卡通部分的形态学差异。使用单一的稀疏基对原始图像进行稀疏表示,不能同时对图像进行各种形态结构成分精确重建。本文针对该问题,提出了基于图像的卡通纹理模型的压缩感知重建方法。给出了该算法的具体仿真实现过程,并与当前流行的压缩感知重建方法做了比较。验证了本文所提方法的可靠性。