高效的图像超分辨率重建参数估计算法

来源 :小型微型计算机系统 | 被引量 : 2次 | 上传用户:qinxinhun
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
估计正则化参数的有效方法是计算L-曲线的最大曲率,然而在超分辨率图像重建中,计算L-曲线的曲率代价十分昂贵.提出一种基于截断Arnoldi过程的图像超分辨率重建正则化参数估计算法.该方法将超分辨率重建中的系统矩阵进行截断Arnoldi过程的分解,得出简化的Hessenberg矩阵.借助Galerkin方程可将超分辨率重建方程组转化为与Hessenberg矩阵相关的简化方程组,通过Given旋转变换来快速求该方程组的解.给出了计算L曲率的计算公式.该方法能高效得到正则化参数.
其他文献
自适应随机测试方法将测试用例均匀分布于整个输入空间,以提高测试效率.然而,当被测软件的输入参数存在错误相关性,使失效区域形状成为“片状”时,传统的自适应随机测试方法
在多个参与者之间分享多幅秘密图像时,为了解决像素扩展度和相对差随着秘密图像和参与者数量的增加而分别急剧扩大和减小的问题,本文从代数结构入手,结合异或运算和柱面共享
密钥预分配方案关乎无线传感器网络节点间协同的安全问题.现有的密钥预分配方案大多存在连通率低,抗捕获性差,灵活性差等缺点.该文在分析现有密钥预分配方案的基础之上,对TD(
应用层分布式拒绝服务攻击严重威胁承载网络应用与服务的服务器.传统服务器端检测方法的主要问题是难以刻画非稳态网站的用户访问行为,也无法动态跟踪正常用户的行为变化,导
随着物联网的发展,无线射频识别技术(RFID)的普及,渐渐暴露出一些存在于实际运用过程中的问题.怎样解决碰撞(特别是多标签使用情况)是系统能够快速、准确运用的关键,也是现实运用中亟待于解决的问题.本文基于动态二进制搜索算法的机制和确定性标签算法的性能,提出碰撞位轮询算法(CQ算法).CQ算法从每次数据传输的通信量和搜索标签的迭代数的角度出发,首先对搜索命令进行优化,通过对单一位查询,减少系统查询过
贝叶斯网络结构学习对贝叶斯网络解决实际问题至关重要.基于评分与搜索的方法是目前比较常用的结构学习方法,但该类方法中结构搜索空间的大小随结点个数增加而指数增长,因此
针对粒子群算法和混合蛙跳算法在复杂函数寻优上易于陷入局部最优值的缺点,提出一种新的粒子群与混合蛙跳融合算法.算法采用多种群粒子群方法,每次进化后,将各子群中的最优粒
针对粒子群优化算法(PSO)在优化多维问题时容易陷入局部最优的问题,提高其全局搜索能力和拓展能力,提出了一种基于和声搜索的动态交叉粒子群算法.引入动态交叉操作,使得粒子
作为分析非线性、非平稳信号的有效方法,经验模式分解将原始信号解析成不同时间尺度下的平稳的数据分量及趋势项集合.将其应用到图像处理领域,图像可以被分解成一系列的图像细节信息及趋势信息.这种层次式的图像表示形式,使得图像在融合、边缘检测、滤波及纹理分析等方面产生更优的结果.提出一种邻域限制顺序统计滤波器的快速自适应二维经验模式分解算法.算法在时域内对每次分解的最大邻域进行了限制,首先在最大邻域内计算出
测量矩阵优化是压缩传感理论(CS)研究的重要内容,基于离散小波基,提出一种测量矩阵优化算法.根据离散小波变换的系数分布特点,构建优化矩阵来对原测量矩阵系数进行调整,提高了采样效率,同时降低了测量矩阵列向量的相干性.理论分析和实验验证表明,该优化算法对压缩传感中常用测量矩阵进行优化后,其重建效果都有所提高,特别是在低采样率的条件下,优化效果明显.经过验证,优化后的测量矩阵满足有限等距特性(RIP).