May, 2014

基于组稀疏表示的图像恢复

PDF
TL;DR本文提出一种基于组的稀疏表示方法（GSR），用于图像恢复，该方法使用具有相似结构的非局部图块作为基本单元，能同时在群域内实现本地稀疏性和非局部自相似性，并采用有效的自适应字典学习方法来提高计算效率和鲁棒性。实验表明，所提出的 GSR 模型比现有的状态 - of-the-art 方法在图像恢复方面性能更好。
group-based sparse representationdictionary learningimage restorationself-similaritynatural images
发现论文，激发创造
  • 基于结构群稀疏表示的图像压缩感知恢复

    本论文提出了一种新的图像压缩感知恢复策略 —— 通过结构分组稀疏表示 (SGSR) 建模，在自适应的分组域中同时强制图像稀疏性和自相似性，并开发了一种高效的迭代收缩 / 阈值算法技术来解决上述优化问题。实验结果表明，这种新的压缩感知恢复策略相对于当前最先进的方案实现了显著的性能改进，并且表现出了不错的收敛性。

    Apr, 2014

  • 自适应稀疏域选择和自适应正则化的图像去模糊和超分辨率

    基于自适应稀疏域选择和自适应正则化，使用自然图像集合的多组自适应基来表示给定图像修复目标的本地稀疏域，引入自回归模型和非局部自相似性正则化，通过实验证明该方法在图像去模糊和超分辨率上比许多现有算法都具有更好的表现。

    Dec, 2010

  • 基于分块对称对角化表示的彩色图像和多光谱图像去噪

    本文就基于块对角矩阵的波斯基级联以及本地主成分分析变换等方法提出了一个简单的变换 - 阈值 - 反演方法，该方法在处理多通道图像降噪方面具有高效性和竞争力，并在大量的实验中展示了稳健性和效果。

    Feb, 2019

  • 重新思考自然图像的 CSC 模型

    本文研究了基于稀疏表示和卷积的稀疏编码模型在图像处理中的应用，提出了与此模型相关的贝叶斯理论，并使用分阶段卷积的前馈网络构建了一个新的模型，用于降噪等任务。实验证明，该模型的性能可以达到与现有技术相当水平，同时使用的参数明显更少。

    Sep, 2019

  • 一种用于整张图像恢复的快速补丁字典方法

    该研究提出了一种利用分段子问题来处理图像字典学习的方法，该方法在全局成像任务（如压缩感知和医学影像恢复）的图像恢复方面表现良好。

    Aug, 2014

  • 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

  • 稀疏编码在图像处理中的统计效率 (或者，一个 Gabor 王者归来)

    通过分离图像的变异因子，我们提出了一种基于 Gabor-like 滤波器的模型，在学习过程中达到更高的统计效率和更好的压缩性能，仅使用单个字典元素就可以优于标准稀疏编码，较好地解决了传统稀疏编码过度冗余的问题。

    Sep, 2011

  • 基于非局部拉格朗日乘子和基于块的稀疏表示的图像和视频块压缩感知

    本文提出了一种新的改进型总变分技术，利用多块梯度处理、去噪的 Lagrange 乘子和基于图块的稀疏表示方法来改善像素边缘模糊、细节丢失和高频振荡等问题，该方法不仅适用于图像的压缩感知恢复，而且可用于视频的压缩感知恢复。经模拟结果表明，所提出的方法在客观和主观质量上都提升了压缩感知图像和视频的恢复性能。

    Mar, 2017

  • 局部处理的卷积字典学习

    本文介绍了基于局部稀疏度量的全局模型，解决了传统基于补丁的稀疏表达的限制，通过操作图像补丁来解决卷积稀疏追踪问题并训练涉及的滤波器，为图像修补和分离问题提供了一种直观的算法。

    May, 2017

  • SRGS：超分辨率 3D 高斯喷撒

    提出了 Super-Resolution 3D Gaussian Splatting (SRGS) 方法，通过在高分辨率空间中进行优化，引入亚像素约束并与预训练的 2D 超分辨率模型集成，以有效增强原语的表示能力。在 HRNVS 方面实现高质量渲染，优于 Mip-NeRF 360 和 Tanks ＆ Temples 等挑战性数据集上的现有方法。

    Apr, 2024