• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Image Processing >IMAGE SUPER-RESOLUTION VIA DUAL-MANIFOLD CLUSTERING AND SUBSPACE SIMILARITY
【24h】

IMAGE SUPER-RESOLUTION VIA DUAL-MANIFOLD CLUSTERING AND SUBSPACE SIMILARITY

机译：通过双歧簇聚类和子空间相似性图像超级分辨率

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we consider the problem of example based single image super-resolution. Our main contribution is introducing a new framework that makes no assumption about the structural similarity between the high-resolution (HR) and low-resolution (LR) manifolds. Instead, we use a subspace affinity measure to exploit the similarity between each HR and LR subspace. First, we train both LR and HR manifolds independently, and then, by using subspace similarity we find the closest HR subspace to each LR subspace. Each patch from the LR test image is projected onto the LR trained manifold to find the closest LR subspace. Finally, the corresponding HR subspace is selected to reconstruct the HR version of the test patch. We refer to the proposed framework Dual-Manifold Clustering and Subspace Similarity (DMCSS). The experimental results showed that DMCSS achieves clear visual improvements and an average of 1 dB improvement in PSNR over state-of-the-art algorithms in this field.
机译：在本文中，我们考虑基于综合图像超分辨率的问题。我们的主要贡献正在引入一个新的框架，这些框架不会对高分辨率（HR）和低分辨率（LR）歧管之间的结构相似性没有假设。相反，我们使用子空间关联度量来利用每个HR和LR子空间之间的相似性。首先，我们独立地培训LR和HR歧管，然后，通过使用子空间相似性，我们将最接近的HR子空间找到每个LR子空间。来自LR测试图像的每个补丁都会投影到LR培训的歧管上以找到最接近的LR子空间。最后，选择相应的HR子空间以重建测试补丁的HR版本。我们指的是提出的框架双歧簇聚类和子空间相似度（DMCS）。实验结果表明，DMCSS在该领域的最先进算法上实现了明显的视觉改进和平均值的PSNR中的1 dB。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号