基于小波域HMT模型的彩色图像超分辨率复原
赵书斌; 张蓬; 彭思龙,
2004
发表期刊中国图象图形学报,
卷号9(2)期号:2004年02期页码:172-177
其他摘要This paper presents a w av elet-domain Hidden Ma rkov Tree ( HM T) -ba sed co lo r imag e superr eso lution algo rithm. Because the re exists co r relatio ns amo ng the th ree cha nnels o f a RGB colo r imag e, a cha nnel by channel super reso lutio n method a lmo st cer tainly leads to color disto rtions. In o rder to so lv e this pro blem, first th e low - r eso lution colo r ima ge is co nv er ted into a g ray-sca le imag e using the spatia lly-adaptiv e appro ach presented in this pa pe r and the resulting g ra y-scale imag e must reflect the huma n pe rception o f edges in the co lo r imag e; then by super reso lving this g r ay-scale imag e, a high-reso lutio n imag e is o btained; finally , w av elet-domain HM T-based imag e supe rr eso lutions ar e pe rfo rmed for the thr ee cha nnels of the low-reso lutio n colo r imag e using the same posterio r sta te pro ba bilities, which reflect th e hidden sta tes of the w av elet coefficients of the hig h-r eso lution g ray scale image obtained befo re, and thus the r esulting hig h-r eso lution co lo r imag e is wha t w e desir ed. Beca use the co rr ela tions amo ng the th ree channels of a RGB colo r imag e ar e co nsider ed, ther e ar e no colo r disto r tio ns in the r eco nstructed high-resolutio n imag e. Ex perimenta l results show tha t the r eco nstructed co lo r imag es hav e high PSN R a nd ar e o f high v isual quality.
关键词小波域隐马尔可夫树模型 / 彩色图像 / 超分辨率
文献类型期刊论文
条目标识符http://ir.ia.ac.cn/handle/173211/12951
专题智能制造技术与系统研究中心_多维数据分析
通讯作者赵书斌
推荐引用方式
GB/T 7714
赵书斌,张蓬,彭思龙,. 基于小波域HMT模型的彩色图像超分辨率复原[J]. 中国图象图形学报,,2004,9(2)(2004年02期):172-177.
APA 赵书斌,张蓬,&彭思龙,.(2004).基于小波域HMT模型的彩色图像超分辨率复原.中国图象图形学报,,9(2)(2004年02期),172-177.
MLA 赵书斌,et al."基于小波域HMT模型的彩色图像超分辨率复原".中国图象图形学报, 9(2).2004年02期(2004):172-177.
条目包含的文件
条目无相关文件。
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[赵书斌]的文章
[张蓬]的文章
[彭思龙,]的文章
百度学术
百度学术中相似的文章
[赵书斌]的文章
[张蓬]的文章
[彭思龙,]的文章
必应学术
必应学术中相似的文章
[赵书斌]的文章
[张蓬]的文章
[彭思龙,]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。