基于多个尺度组稀疏度残余约束的自然图像恢复
Wan Ning1, Dong Sun1, Qingwei Gao1
1Anhui Engineering Laboratory of Human-Robot Integration System and Intelligent Equipment, Key Laboratory of Intelligent Computing and Signal Processing of Ministry of Education, School of Electrical Engineering and Automation, Anhui University, Hefei, China.
Frontiers in neuroscience
|November 29, 2023
概括
一个新的多尺度组稀缺剩余约束 (MS-GSRC) 模型增强了像无声化和压缩传感 (CS) 等任务的图像恢复. 这种新的方法比现有的技术提高了客观和主观图像质量.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 信号处理 信号处理
背景情况:
- 群散表示 (GSR) 对于图像恢复是有效的.
- 现有的方法在处理各种反向问题的过程中存在局限性.
研究的目的:
- 引入一个新的多规模集团稀缺剩余约束 (MS-GSRC) 模型.
- 将MS-GSRC模型应用于各种反向问题,如脱光,涂漆和压缩传感 (CS).
- 在图像修复任务中提高客观和主观图像质量.
主要方法:
- 使用多个尺度的策略来找到类似的图像补丁与重叠的方案.
- 应用小组稀疏编码与低级约束,用于初始表示向量估计.
- 采用贝叶斯最大后期 (MAP) 框架,用于图像重建的交替最小化.
主要成果:
- 拟议的MS-GSRC模型在图像恢复方面表现出卓越的性能.
- 在客观图像质量指标和主观视觉感知方面取得了改进.
- 在模拟中超越了几种最先进的图像恢复方法.
结论:
- MS-GSRC模型是各种图像反向问题的通用和有效方法.
- 多尺度策略和剩余约束提高了恢复的准确性.
- 这种方法比现有的图像消除,inpainting和CS技术具有显著的优势.
