项目名称: 基于稀疏与自相似表征的图像插值技术研究

项目编号: No.61202150

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 郭强

作者单位: 山东财经大学

项目金额: 23万元

中文摘要: 图像插值是数字图像处理、遥感监测、高清视频传输和计算机视觉等领域的共性科学问题和核心技术,具有广泛的应用需求和良好的产业前景。图像边缘和纹理等细节成分的有效处理是当前未被很好解决的热点和难点问题。本项目以此为切入点,针对图像插值过程中无法有效保持图像细节成分的问题进行研究,探索具有细节保持能力的图像插值技术。重点研究图像平滑成分和细节成分分解的理论和方法、细节成分的方向分解和方向保形插值方法以及具有细节保持能力的自适应保形稀疏滤波三部分,实现一个包含这些关键技术的图像插值原型系统。通过将上述三部分研究内容融合成一个有机整体,最大限度地利用图像的稀疏性和自相似性所提供的各种信息,以此来解决插值图像的细节保持问题。本项目的研究成果将为解决图像插值技术细节保持能力差的问题提供新思路、新理论和新方法,为图像插值在各领域的有效应用提供简单实用、稳定有效的新技术。

中文关键词: 插值;低秩先验;非局部自相似性;有理函数;稀疏性

英文摘要: Image interpolation plays an important role in various application fields such as digital image processing, satellite remote sensing, high definition (HD) video transmission, computer vision and many others. It has numerous application requirements and good industry prospects. Preserving edge and texture details is a challenge to image interpolation algorithms. In order to improve the performance of preserving image details, this project explore a new detail-preserving nonlinear interpolation technique based on the sparse and self-similar properties of images. Therefore, this study mainly focus on the theory and method for image component decomposition, the shape-preserving technique for texture component directional decomposition and interpolation, and the adaptive sparse filtering for distortion reduction. We also study the relative numerical methods for the aforementioned theories and develop a prototype system that allows a user to enhance image resolution. By fusing three key parts: image component decomposition, shape-preserving interpolation and adaptive sparse filtering, we make full use of sparse and self-similar properties of images to improve the perceived visual quality of the image. The research results of this project will provide a new theory and method for detail-preserving image interpolation, a

英文关键词: Interpolation;Low-rank prior;Nonlocal self-similarity;Rational function;Sparseness

成为VIP会员查看完整内容
1

相关内容

专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
121+阅读 · 2021年4月29日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
33+阅读 · 2021年2月7日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
一种小目标检测中有效的数据增强方法
极市平台
119+阅读 · 2019年3月23日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Residual Mixture of Experts
Arxiv
0+阅读 · 2022年4月20日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
小贴士
相关VIP内容
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
121+阅读 · 2021年4月29日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
33+阅读 · 2021年2月7日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
相关资讯
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
基于深度学习的小目标检测方法综述
专知
1+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
一种小目标检测中有效的数据增强方法
极市平台
119+阅读 · 2019年3月23日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
相关论文
Residual Mixture of Experts
Arxiv
0+阅读 · 2022年4月20日
Arxiv
2+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
微信扫码咨询专知VIP会员