吴怀宇_中国科学院分享 http://blog.sciencenet.cn/u/wuhuaiyu 博士、副教授 「模式识别国家重点实验室」&「中国-欧洲信息,自动化与应用数学联合实验室」

博文

[CV论文读讲] CVPR08-Image Super-Resolution as Sparse Repr

已有 3644 次阅读 2012-12-1 00:02 |系统分类:科研笔记| 论文

问题背景
恢复SR是一个逆问题
一般恢复SR image是需要很多的 同样场景的low-resolution images 然后加一些先验来约束
由于SR image 到 low-resolution images 丢失了很多信息,因此反过来求解SR image 的解是不唯一的。

文章的创新
将由单一的low-resolution image来恢复SR image

从compress sensing 角度来处理问题
训练数据变少,与传统的基于学习的算法(Neighbor embedding)相比,它可以选择周围最相关的patches来重构,而不是选择固定领域。

问题描述
给低分辨率图像Y,恢复相同场景的SR image X。
满足这样一个等式约束
Y = DHX         其中H是blurring filter,D是下采样因子
病态问题
稀疏编码的先验
X的patches 能够线性稀疏表示

方法介绍
局部模型的稀疏表示

SR图像的全局重建约束

通用的全局优化目标函数

从一个更普遍的全局优化角度看问题
   代价是 计算复杂量增加
    好处是:同时计算所有的patches
   具体方法
不需要非常稀疏的编码
增加了惩罚项等
一个更大的优化问题

 

相关PPT下载详见 “视觉计算研究论坛”「SIGVC BBS」:http://www.sigvc.org/bbs/thread-54-1-1.html



https://wap.sciencenet.cn/blog-4099-637984.html

上一篇:[CV论文读讲] sparse coding稀疏表达论文列表
下一篇:[CV论文读讲] Nature96-Emergence of simple-cell receptive

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-5-28 00:24

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部