MMFeb, 2014

基于结构张量的图像插值方法

PDF
TL;DR本文提出了一种基于结构张量的新的直接边缘导向图像超分辨率算法，使用各像素的各向同性高斯滤波器计算结构张量，根据其特征值将像素分为统一区域、角落和边缘三个不同类别，通过结构张量切线特征向量，确定边缘方向并用于沿边缘插值，与部分以前的边缘导向图像插值方法相比，该方法在客观和主观方面都达到了更高的质量。此外，该算法不需要优化处理即可实现更高的速度。
image processingedge-directed interpolationstructure tensorgaussian filterimage super-resolution
发现论文，激发创造
  • 具有梯度引导的结构保持超分辨率

    本研究提出了一种结构保留超分辨率的方法，利用图像的梯度图来指导恢复，同时使用梯度损失和图像空间损失函数，帮助生成网络更加注重几何结构。实验结果表明，该方法在恢复结构的同时生成了自然的高清图片，并且在感知度和峰值信噪比等指标上表现出色。

    Mar, 2020

  • 使用超像素聚类和张量补全进行图像重建

    本文提出一种基于超像素分割和张量补全的紧凑图像表示像素选择方法，该方法将图像分成几个区域以捕获重要的纹理或语义，并从每个区域选择代表性像素进行存储，实验结果表明，超像素法比均匀采样更适用于各种丢失情况。

    May, 2023

  • 结构保持的图像超分辨率

    本文提出了一种基于 GAN 方法的图像超分辨率算法，通过梯度信息作为额外的结构先验，以结构保留的方式减少回复的图像中的不良结构畸变，并引入可学习的神经结构提取器（NSE）来寻找更丰富的局部结构和提供更强的超分辨率监督。实验结果表明，该方法优于当前基于感知的 SR 方法。

    Sep, 2021

  • 加权结构张量全变差用于图像去噪

    本文提出了一种新的图像去噪正则化模型，结合了各向异性全变差模型和结构张量全变差模型，通过应用 ATV 模型中的矩阵加权算子到 STV 模型中的基于块的 Jacobian 矩阵，能够更好地维护本地特征，比其他基于全变差模型和 STV 模型的知名方法产生更好的恢复质量。

    Jun, 2023

  • 使用插值后迭代反投影提高图像分辨率

    本文提出了一种基于插值和迭代反向投影（IBP）的新型超分辨率技术，通过插值和注册低分辨率图像来生成更清晰的高分辨率图像，并针对 Lena、Elaine、Pepper 和 Baboon 进行了测试，结果显示该技术优于传统和最先进的图像超分辨率技术，Lena 图像的 PSNR 比双三次插值高 6.52 dB。

    Jan, 2016

  • 从显著结构估计核以实现鲁棒的运动去模糊

    本文介绍了一种基于图像结构的方法来估计单个模糊图像的好核估计值。文章提出的方法包括基于 Total Variation 的图像去噪，梯度选择方法，新的核估计方法和基于自适应加权空间先验的潜在图像恢复，这些方法的有效性在各种具有挑战性范例上都得到了证明。

    Dec, 2012

  • 单图像超分辨率保留全局结构和降噪的新技术

    本研究提出两种新的神经网络架构，分别解决了单图像超分辨率中上采样时的噪声放大和大尺度结构的保留问题，并在 2018 年 NTIRE 超分辨率挑战赛的多项比赛中获得较高名次。

    May, 2018

  • 实时图像平滑改进：保留弱结构和移除高对比度细节

    通过计算符合像素结构或细节性质的值，使用迭代最小二乘法 (ILS) 方法处理图像平滑，既可以有效保存弱结构又可以移除高对比度细节。

    Jul, 2023

  • 基于欧拉弹性线的卡通平滑纹理图像分解

    我们提出了一种新颖模型，用于将灰度图像分解为三个不同的组成部分：结构部分，表示具有锐利边界和强烈光暗转换的区域；平滑部分，捕捉柔和阴影和色调；以及振荡部分，描述纹理和噪声。

    Jul, 2024

  • 图像结构分析和提取的半稀疏先验

    提出了一种基于半稀疏正则化框架的图像结构 - 纹理分解方法，可以将图像结构与复杂的纹理背景解耦，并结合不同的纹理分析模型，通过交替方向乘子法（ADMM）算法得到了一种简单易用的图像结构 - 纹理分解方法。 实验证明，该方法具有可比拟或优越于先进方法的图像分解结果。

    Aug, 2023