基于凸集投影的计算机图像重建优化算法

移动互联网的发展以及社交信息技术的不断涌现使得大量的数据信息充斥在生产和生活过程中,其中图像作为事物的直观呈现方式之一,其应用范围得到较大程度的扩展。但图像融合质量、成像噪声、像素分辨率等因素使得当前计算机图像重建质量难以得到较好的保证。基于凸集投影算法,考虑到迭代次数和松弛因子对算法的影响,对其进行全变分处理以保证图像的边缘信息。同时为减少算法步长对收敛性能的干扰,在全变分凸集投影算法基础上引入Armijo法则和KSVD分解以实现目标图像训练和稀疏表达。结果表明,所提算法MSE均值为355.28,平均SNR为21.44,信息熵值基本低于8.5,其性能结果均优于其他四种对比算法,图像重建信息质量效果较好,能有效为计算机图像信息的处理和伪影消除提供新的改进思路。

基于残差的图像超分辨率重建

提出一种基于图像残差的超分辨率重建算法。以原高分辨率图像与插值放大后图像之间的图像残差与低分辨率图像样本特征作为样本对,对其进行K均值分类,并对每类样本对采用KSVD(K-singular value decomposi-tion)方法进行训练获得高、低分辨率字典对,然后根据测试样本与类中心的欧氏距离选择字典对,以与测试样本相近的多个类别所重建的结果加权获得图像残差,并结合低分辨率图像的插值结果获得高分辨率图像。实验结果表明,提出的方法具有更高的重建质量,且采用训练样本分类和相近类别的重建结果的加权和有利于提高图像重建质量。