• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于非局部稀疏編碼的超分辨率圖像復(fù)原

    2015-07-05 16:46:54靜陳
    電子與信息學(xué)報(bào) 2015年3期
    關(guān)鍵詞:圖像復(fù)原復(fù)原字典

    劉 哲 楊 靜陳 路

    (西北工業(yè)大學(xué)理學(xué)院 西安 710129)

    基于非局部稀疏編碼的超分辨率圖像復(fù)原

    劉 哲 楊 靜*陳 路

    (西北工業(yè)大學(xué)理學(xué)院 西安 710129)

    基于壓縮感知的超分辨率圖像復(fù)原方法通常采用局部稀疏編碼策略,對(duì)每一圖像塊獨(dú)立編碼,易產(chǎn)生人工的分塊效應(yīng)。針對(duì)上述問(wèn)題,該文提出一種基于非局部稀疏編碼的超分辨率圖像復(fù)原方法。該算法在字典訓(xùn)練和圖像編碼過(guò)程中分別運(yùn)用圖像的非局部自相似先驗(yàn)知識(shí),即利用低分辨率圖像的插值圖像訓(xùn)練字典,并通過(guò)計(jì)算相似塊局部編碼的加權(quán)平均,得到每一圖像塊的非局部稀疏編碼。仿真實(shí)驗(yàn)表明,所提算法能夠獲得更優(yōu)的復(fù)原效果,并且對(duì)于含噪圖像具有較強(qiáng)的魯棒性。

    超分辨率圖像復(fù)原;壓縮感知;非局部自相似;非局部稀疏編碼;單字典訓(xùn)練

    1 引言

    隨著信息技術(shù)的發(fā)展,高質(zhì)量、高清晰度的圖像日益成為遙感、醫(yī)學(xué)和生物識(shí)別等領(lǐng)域的普遍需求。然而,在圖像獲取過(guò)程中,由于成像系統(tǒng)自身的局限性,所獲得的圖像往往分辨率較低,無(wú)法反映真實(shí)場(chǎng)景的信息。因此,圖像的超分辨率復(fù)原方法被提出并迅速成為國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)。

    壓縮感知(Compressive Sensing, CS)[1]理論的發(fā)展為超分辨率圖像復(fù)原提供了新的思路。CS理論指出:在適當(dāng)條件下,高分辨率(High Resolution, HR)圖像可由其下采樣產(chǎn)生的低分辨率(Low Resolution, LR)圖像以高概率復(fù)原[2]。2009年,Sen等人[3]將CS理論應(yīng)用于超分辨率圖像復(fù)原,利用HR圖像在小波基下可被稀疏編碼的先驗(yàn)知識(shí),加入模糊濾波器降低下采樣矩陣與小波基間的相關(guān)性,并在CS理論框架下求解HR圖像。然而由于一般自然圖像細(xì)節(jié)豐富、結(jié)構(gòu)復(fù)雜,小波基無(wú)法為其提供最優(yōu)的稀疏編碼。文獻(xiàn)[4,5]使用隨機(jī)選取的成對(duì)高、低分辨率圖像塊來(lái)稀疏表示圖像,提高了復(fù)原圖像的視覺效果,但為了實(shí)現(xiàn)精確重構(gòu)需要大量成對(duì)的圖像塊構(gòu)造高、低分辨率字典,計(jì)算復(fù)雜度高。

    為了降低該類算法的計(jì)算復(fù)雜度,Yang等人[6,7]通過(guò)設(shè)計(jì)退化矩陣,將雙字典(高、低分辨率字典)訓(xùn)練改進(jìn)為單字典訓(xùn)練,僅運(yùn)用少量HR圖像塊訓(xùn)練高分辨率字典。文獻(xiàn)[8]運(yùn)用聚類和多任務(wù)學(xué)習(xí)的思想同時(shí)訓(xùn)練多個(gè)只含少量原子的字典。2013年,Liu等人[9]進(jìn)一步將圖像的形態(tài)學(xué)分解思想應(yīng)用于字典訓(xùn)練過(guò)程中,運(yùn)用形態(tài)學(xué)構(gòu)成分析方法將訓(xùn)練集圖像分解為不同的形態(tài)學(xué)部分,針對(duì)每一部分構(gòu)造相應(yīng)的字典,提高了復(fù)原圖像的質(zhì)量。

    然而,基于壓縮感知的復(fù)原方法[6]對(duì)每一圖像塊獨(dú)立編碼,未考慮不同圖像塊之間的聯(lián)系,使得復(fù)原圖像存在人工的分塊效應(yīng)和模糊。近年來(lái)有關(guān)圖像冗余的研究成果表明,自然圖像具有非局部的自相似性質(zhì)(Non-local Self-Similarity, NSS)[10],即圖像中存在大量相似的圖像塊結(jié)構(gòu),而這些相似塊的空間距離可能較遠(yuǎn)。利用這種圖像冗余對(duì)相似塊進(jìn)行相關(guān)操作,有利于保持圖像的邊緣,已被廣泛應(yīng)用于求解各類圖像處理中的反問(wèn)題[10-14]。

    為了消除復(fù)原圖像中存在的人工分塊效應(yīng)及模糊,本文基于圖像的NSS性質(zhì),引入基于NSS的字典訓(xùn)練方法,并通過(guò)將相似塊的局部編碼作加權(quán)平均,對(duì)每一圖像塊進(jìn)行非局部稀疏編碼,實(shí)現(xiàn)了一種基于非局部稀疏編碼的超分辨率圖像復(fù)原算法。

    2 基于壓縮感知的超分辨率圖像復(fù)原

    基于壓縮感知的超分辨率圖像復(fù)原方法[6]通過(guò)設(shè)計(jì)退化矩陣,在壓縮感知理論框架下求解復(fù)原圖像,將復(fù)雜的雙字典訓(xùn)練過(guò)程[4,5]改進(jìn)為單字典訓(xùn)練,算法的時(shí)間效率明顯提高。

    首先,利用隨機(jī)選取的HR圖像塊通過(guò)K奇異值分解(K-means Singular Value Decomposition, K-SVD)算法訓(xùn)練高分辨率字典Dh[15]。將LR圖像Y分塊,對(duì)每一圖像塊y,復(fù)原旨在求解其相應(yīng)的HR圖像塊x,其中y可看作是由x經(jīng)過(guò)退化矩陣H和噪聲N作用得到的,即

    上述圖像退化方程的求解是一個(gè)高度不適定的病態(tài)反問(wèn)題,其解并不唯一。CS理論指出,若x在某個(gè)與H不相關(guān)的過(guò)完備字典Dh下可被稀疏編碼,即

    那么上述不適定問(wèn)題可轉(zhuǎn)化為求解式(3)所示的優(yōu)化問(wèn)題:

    式中α為圖像塊x的稀疏編碼,||α||0<<K (||α||0表示α中非零元素的個(gè)數(shù),K為α所含元素的總數(shù)),λ為正常數(shù),用于平衡兩項(xiàng)約束條件所占的比重。運(yùn)用基追蹤算法求解優(yōu)化問(wèn)題式(3),再由式(2)即可得到HR圖像塊x,組合HR圖像塊得到HR圖像X。

    上述算法充分利用了自然圖像的稀疏性質(zhì),且只進(jìn)行單字典訓(xùn)練的思想使得算法的計(jì)算復(fù)雜度有效下降。然而該方法對(duì)每一圖像塊進(jìn)行獨(dú)立復(fù)原,忽略了相似圖像塊的稀疏編碼之間的聯(lián)系,使得復(fù)原圖像中存在不同程度的人工分塊效應(yīng),在圖像邊緣處容易出現(xiàn)鋸齒現(xiàn)象。為克服以上不足,本文在上述復(fù)原方法的基礎(chǔ)上,綜合利用圖像的局部稀疏與非局部自相似性質(zhì)進(jìn)行復(fù)原。

    3 基于非局部稀疏編碼的超分辨率圖像復(fù)原

    3.1 基于NSS的字典訓(xùn)練

    圖像復(fù)原效果的優(yōu)劣依賴于字典的選擇。利用大量隨機(jī)選取的HR圖像塊訓(xùn)練成字典來(lái)稀疏表示圖像,能夠充分利用訓(xùn)練集圖像所提供的高頻信息[4-9]。然而由于HR圖像是隨機(jī)選擇的,它們?cè)谕庥^上與待復(fù)原的LR圖像有較大的差別,因此這些HR圖像為復(fù)原提供的細(xì)節(jié)信息可能是不準(zhǔn)確的。

    由于自然圖像具有非局部自相似性,LR圖像及其相應(yīng)的插值圖像中相似的圖像塊結(jié)構(gòu)能夠?yàn)閺?fù)原提供必要的細(xì)節(jié)信息。本文首先利用雙三次(Bicubic)和雙線性(Bilinear)兩種插值算法對(duì)LR圖像進(jìn)行插值,再將插值圖像作為訓(xùn)練集進(jìn)行字典訓(xùn)練,這樣就充分利用了圖像的冗余特性,使得訓(xùn)練出的字典Dh有更強(qiáng)的表現(xiàn)力。雙三次與雙線性算法是兩種常見且簡(jiǎn)單易行的圖像插值算法,由于插值算法不同,其產(chǎn)生的插值圖像便能夠提供不同的細(xì)節(jié)信息。使得訓(xùn)練集圖像更豐富,得到的字典能更準(zhǔn)確地稀疏表示圖像?;贜SS的字典訓(xùn)練過(guò)程如下:

    (1)分別用雙三次與雙線性插值算法插值LR圖像Y,得到訓(xùn)練集圖像X1,X2;

    (2)將X1,X2分塊,組成訓(xùn)練集Qh=[x1x2…xq](其中xi為第i個(gè)圖像塊的向量形式),記B=[b1b2…bq]為相應(yīng)的稀疏編碼矩陣,利用K-SVD算法求解以下優(yōu)化問(wèn)題:

    得到高分辨率字典Dh=[d1d2…dK];

    (3)標(biāo)準(zhǔn)化Dh,使得||dj||2=1,j=1,2,…,K。

    3.2 非局部稀疏編碼

    在文獻(xiàn)[6]算法框架的基礎(chǔ)上,對(duì)圖像塊的局部編碼系數(shù)作非局部處理。首先對(duì)每一圖像塊xi,用正則化正交匹配追蹤(Regularized Orthogonal Matching Pursuit, ROMP)[16]算法求解優(yōu)化問(wèn)題式(3)得到其局部稀疏編碼αi;之后在整幅圖像中搜索圖像塊xi的相似塊xj,并通過(guò)式(5)計(jì)算xi的非局部稀疏編碼βi:

    3.3 本文算法步驟

    綜合以上分析,本文算法流程如圖1所示。

    具體步驟總結(jié)如下:

    輸入:LR圖像Y,放大倍數(shù)s,退化矩陣H。

    步驟1 用Y的插值圖像作為訓(xùn)練集,并利用K-SVD算法訓(xùn)練字典hD;

    步驟 2 對(duì)每一圖像塊yi,由ROMP算法求解式(3),得到其局部稀疏編碼;

    步驟4 迭代執(zhí)行以下步驟,更新X(t)得到X(t+1),t=0,1,2,…。

    (1)在X(t)中搜索的相似塊,并由計(jì)算的非局部稀疏編碼;

    (3)對(duì)X(t+1)進(jìn)行迭代反投影計(jì)算,進(jìn)一步減小誤差。

    輸出:HR圖像X。

    4 仿真實(shí)驗(yàn)及結(jié)果分析

    為檢驗(yàn)本文算法的有效性,對(duì)多類圖像進(jìn)行超分辨率復(fù)原實(shí)驗(yàn)。實(shí)驗(yàn)中LR圖像塊的大小取為22×。為保持復(fù)原圖像中塊與塊間的一致性,塊與塊之間有一個(gè)像素的重疊。考慮到人眼對(duì)彩色圖像的亮度通道較為敏感,只對(duì)亮度通道采用上述算法,其余通道利用Bicubic插值算法復(fù)原。

    為比較不同算法的復(fù)原質(zhì)量,采用峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)和結(jié)構(gòu)化自相似程度(Structural SIMilarity, SSIM)兩種客觀評(píng)價(jià)標(biāo)準(zhǔn)。PSNR指標(biāo)通過(guò)計(jì)算復(fù)原圖像與原圖像的歐式距離來(lái)評(píng)價(jià)重構(gòu)質(zhì)量,計(jì)算公式為

    這里(,)mnf,(,)mng分別代表原始圖像與復(fù)原圖像,圖像大小為MN×。PSNR值越高,復(fù)原圖像與原圖像越接近,復(fù)原質(zhì)量越好;SSIM指標(biāo)與人眼的視覺感知系統(tǒng)相關(guān),計(jì)算公式為

    μx,μy表示原始圖像與復(fù)原圖像的均值,σx,σy為圖像標(biāo)準(zhǔn)差,σx,y為原始圖像與復(fù)原圖像的協(xié)方差。SSIM值介于01~之間,越接近1,說(shuō)明復(fù)原圖像與原圖像結(jié)構(gòu)化相似程度越高,復(fù)原效果越好。

    4.1 自然圖像實(shí)驗(yàn)

    為驗(yàn)證本文算法的有效性,對(duì)多幅不同類型、不同特點(diǎn)的圖像(實(shí)驗(yàn)LR圖像如圖2)進(jìn)行復(fù)原實(shí)驗(yàn),放大倍數(shù)為2。將本文算法與雙三次插值、基于壓縮感知的復(fù)原算法[6,7]進(jìn)行比較,部分實(shí)驗(yàn)結(jié)果的局部放大圖如圖3所示,實(shí)驗(yàn)圖像的PSNR與SSIM指標(biāo)如表1所示,表中最后一列給出了不同算法下評(píng)價(jià)指標(biāo)的平均值。

    無(wú)論從主觀視覺效果還是客觀評(píng)價(jià)指標(biāo)來(lái)看,本文算法都取得了更好的復(fù)原效果。由局部放大圖可知,雙三次插值算法生成的復(fù)原圖像過(guò)于平滑,文獻(xiàn)[6]算法圖像在邊緣處有鋸齒效應(yīng)和模糊,而本文算法具有更加清晰的邊緣和細(xì)節(jié)。由客觀評(píng)價(jià)指標(biāo)可知,本文算法復(fù)原效果略優(yōu)于文獻(xiàn)[7]算法,這是由于本文算法中基于NSS的字典訓(xùn)練方式使用LR圖像的插值圖像訓(xùn)練字典,更有利于保護(hù)圖像的細(xì)節(jié)信息。圖表中本文算法1為去掉本文算法中非局部稀疏編碼部分(即步驟4(1),步驟4(2))的實(shí)驗(yàn)結(jié)果。由本文算法1與本文算法的對(duì)比結(jié)果可以看出,非局部稀疏編碼策略帶來(lái)了很大的性能提升。這是由于非局部稀疏編碼策略充分利用了相似圖像塊所提供的信息,加強(qiáng)了圖像塊稀疏編碼間的聯(lián)系,使得每一圖像塊的編碼不再彼此獨(dú)立。

    圖1 基于非局部稀疏編碼的超分辨率圖像復(fù)原算法流程圖

    圖2 實(shí)驗(yàn)圖像

    圖3 自然圖像復(fù)原實(shí)驗(yàn)結(jié)果局部放大圖

    4.2 含噪圖像實(shí)驗(yàn)

    由于受到環(huán)境因素的影響和成像系統(tǒng)自身的局限性,人們所獲得的圖像往往含有不同程度的噪聲。為驗(yàn)證本文算法對(duì)噪聲的魯棒性,對(duì)含噪圖像進(jìn)行超分辨率復(fù)原實(shí)驗(yàn)。選取Lena和遙感2105含噪圖像進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)中通過(guò)加入均值為0,標(biāo)準(zhǔn)差σ為5, 10, 15的高斯白噪聲來(lái)模擬實(shí)際獲取的圖像中所含的噪聲,復(fù)原圖像的PSNR與SSIM指標(biāo)如表2所示。圖4為噪聲標(biāo)準(zhǔn)差10σ=時(shí)的實(shí)驗(yàn)結(jié)果。

    分析圖表數(shù)據(jù)可知,在對(duì)含噪圖像進(jìn)行復(fù)原時(shí),文獻(xiàn)[6]算法的復(fù)原結(jié)果有時(shí)并不如傳統(tǒng)的雙三次插值算法好,而本文算法的復(fù)原效果較優(yōu)。由于非

    局部稀疏編碼本質(zhì)上相當(dāng)于對(duì)圖像的稀疏編碼系數(shù)進(jìn)行濾波,而濾波過(guò)程是圖像去噪的重要手段,因此本文算法針對(duì)含噪圖像具有較強(qiáng)的魯棒性,能夠在放大圖像的同時(shí)抑制圖像中的噪聲。這也使得本文算法更加適用于實(shí)際應(yīng)用。

    表1 不同算法下自然圖像復(fù)原結(jié)果比較

    表2 不同算法下含噪圖像復(fù)原結(jié)果比較

    圖4 含噪圖像復(fù)原實(shí)驗(yàn)結(jié)果

    4.3 不同放大倍數(shù)下各算法復(fù)原效果的比較

    超分辨率圖像復(fù)原要求復(fù)原算法能夠?qū)Φ头直媛蕡D像進(jìn)行不同倍數(shù)的放大,放大倍數(shù)越高,復(fù)原所需添加的細(xì)節(jié)信息就越多,復(fù)原工作越復(fù)雜。實(shí)驗(yàn)選取9696×的Child圖像,分別用雙三次插值、文獻(xiàn)[6]算法和本文算法對(duì)其進(jìn)行1.5, 2.0, 2.5, 3.0, 4.0, 5.0倍放大,并對(duì)實(shí)驗(yàn)結(jié)果描點(diǎn)繪圖,如圖5所示。由曲線變化圖可知,隨著放大倍數(shù)的增加,復(fù)原效果逐漸變差。放大5.0倍時(shí),文獻(xiàn)[6]算法相比于雙三次插值算法效果較差,而本文算法卻能取得較好的復(fù)原效果。這是由于稀疏編碼理論能夠從少量的采樣值中抓住圖像的關(guān)鍵信息進(jìn)行圖像復(fù)原,并且本文算法充分利用了圖像的非局部自相似先驗(yàn)知識(shí)。

    5 結(jié)束語(yǔ)

    壓縮感知與稀疏編碼理論可實(shí)現(xiàn)低維信號(hào)到高維信號(hào)的精確重構(gòu),基于稀疏編碼的超分辨率圖像復(fù)原方法也成為近年來(lái)的研究熱點(diǎn)[17,18]。本文在此基礎(chǔ)之上,將圖像的非局部自相似性質(zhì)作為先驗(yàn)知識(shí),在訓(xùn)練字典和圖像編碼過(guò)程中分別運(yùn)用這一先驗(yàn)知識(shí),提出了一種基于非局部稀疏編碼的超分辨率圖像復(fù)原方法,并進(jìn)行了仿真和對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性和魯棒性。在非局部稀疏編碼的過(guò)程中,圖像塊的相似度判斷起著關(guān)鍵作用。本文采用歐式距離判斷相似程度,其優(yōu)點(diǎn)是簡(jiǎn)單易行,但也存在不能反映塊結(jié)構(gòu)特點(diǎn)的不足。在未來(lái)的工作中,設(shè)計(jì)更加有效的相似塊評(píng)判標(biāo)準(zhǔn)、結(jié)合更多的圖像先驗(yàn)知識(shí)進(jìn)行復(fù)原,是值得進(jìn)一步研究的問(wèn)題。

    圖5 不同算法下評(píng)價(jià)指標(biāo)隨放大倍數(shù)變化曲線圖

    [1] Donoho D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306.

    [2] Kulkarni N, Nagesh P, Gowda R, et al.. Understanding compressive sensing and sparse representation-based super-resolution[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2012, 22(5): 778-789.

    [3] Sen P and Darabi S. Compressive image super-resolution[C]. 2009 Conference Record of the Forty-Third Asilomar Conference on Signals, Systems and Computers, Pacific Grove, CA, 2009: 1235-1242.

    [4] Yang J, Wright J, Huang T S, et al.. Image super-resolution via sparse representation[J]. IEEE Transactions on Image Processing, 2010, 19(11): 2861-2873.

    [5] Lu J, Zhang Q, Xu Z, et al.. Image super-resolution by dictionary concatenation and sparse representation with approximate L0norm minimization[J]. Computers & Electrical Engineering, 2012, 38(5): 1336-1345.

    [6] Yang S, Sun F, Wang M, et al.. Novel super resolution restoration of remote sensing images based on compressive sensing and example patches-aided dictionary learning[C]. 2011 International Workshop on Multi-Platform/Multi-Sensor Remote Sensing and Mapping (M2RSM), Xiamen, 2011: 1-6.

    [7] Yang S, Wang M, Sun Y, et al.. Compressive sampling based single-image super-resolution reconstruction by dual-sparsity and non-local similarity regularizer[J]. Pattern Recognition Letters, 2012, 33(9): 1049-1059.

    [8] Yang S, Liu Z, Wang M, et al.. Multitask dictionary learning and sparse representation based single-image super-resolution reconstruction[J]. Neurocomputing, 2011, 74(17): 3193-3203.

    [9] Liu W and Li S. Multi-morphology image super-resolution via sparse representation[J]. Neurocomputing, 2013, 120(23): 645-654.

    [10] Buades A, Coll B, and Morel J M. A review of image denoising algorithms, with a new one[J]. Multiscale Modeling & Simulation, 2005, 4(2): 490-530.

    [11] Yu H, Chen F, Zhang Z, et al.. Single infrared image super-resolution combining non-local means with kernel regression[J]. Infrared Physics & Technology, 2013, 61: 50-59.

    [12] Dong W, Zhang D, Shi G, et al.. Image deblurring and super-resolution by adaptive sparse domain selection and adaptive regularization[J]. IEEE Transactions on Image Processing, 2011, 20(7): 1838-1857.

    [13] Romano Y, Protter M, and Elad M. Single image interpolation via adaptive non-local sparsity-based modeling[J]. IEEE Transactions on Image Processing, 2014, 23(7): 3085-3098.

    [14] Dong W, Shi G, Zhang L, et al.. Super-resolution with nonlocal regularized sparse representation[C]. Visual Communications and Image Processing 2010, Huangshan, China, 2010: 77440H-77440H-10.

    [15] Aharon M, Elad M, and Bruckstein A. K-svd: an algorithm for designing overcomplete dictionaries for sparse representation[J]. IEEE Transactions on Signal Processing, 2006, 54(11): 4311-4322.

    [16] Needell D and Vershynin R. Uniform uncertainty principle and signal recovery via regularized orthogonal matching pursuit[J]. Foundations of Computational Mathematics, 2009, 9(3): 317-334.

    [17] Yang S, Wang M, Chen Y, et al.. Single-image superresolution reconstruction via learned geometric dictionaries and clustered sparse coding[J]. IEEE Transactions on Image Processing, 2012, 21(9): 4016-4028.

    [18] Tang Y, Yuan Y, Yan P, et al.. Greedy regression in sparse coding space for single-image super-resolution[J]. Journal of Visual Communication and Image Representation, 2013, 24(2): 148-159.

    劉 哲: 女,1970年生,教授,博士,主要研究方向?yàn)閳D像處理、壓縮感知和信息融合等.

    楊 靜: 女,1990年生,碩士生,研究方向?yàn)閳D像復(fù)原、壓縮感知.

    陳 路: 男,1991年生,碩士生,研究方向?yàn)閳D像去塊效應(yīng)、圖像處理.

    Super-resolution Image Restoration Based on Nonlocal Sparse Coding

    Liu Zhe Yang Jing Chen Lu

    (School of Science, Northwestern Polytechnical University, Xi’an 710129, China)

    Super-resolution image restoration methods based on Compressive Sensing (CS) generally adopt local sparse coding strategy. Such strategy encodes each image block independently, which easily induces artificial blocking effect. To overcome this problem, a super-resolution image restoration method based on nonlocal sparse coding is proposed. The nonlocal self-similarity of image is considered as a prior in the dictionary training and image coding processes, respectively. Specifically, the proposed algorithm trains the dictionary with interpolated low-resolution images, and calculates the weighted average local code of similar patches, in order to obtain the nonlocal sparse code of each image block. Numerical experiments suggest that the proposed algorithm has a good recovery performance, and is robust to image noise.

    Super-resolution image restoration; Compressive Sensing (CS); Nonlocal self-similarity; Nonlocal sparse coding; Single dictionary training

    TP391

    A

    1009-5896(2015)03-0522-07

    10.11999/JEIT140481

    2014-04-11收到,2014-09-11改回

    國(guó)家自然科學(xué)基金(61070138)資助課題

    *通信作者:楊靜 yangjing199002@163.com

    猜你喜歡
    圖像復(fù)原復(fù)原字典
    開心字典
    家教世界(2023年28期)2023-11-14 10:13:50
    開心字典
    家教世界(2023年25期)2023-10-09 02:11:56
    溫陳華:唐宋甲胄復(fù)原第一人
    淺談曜變建盞的復(fù)原工藝
    毓慶宮惇本殿明間原狀陳列的復(fù)原
    紫禁城(2020年8期)2020-09-09 09:38:04
    基于MTF的實(shí)踐九號(hào)衛(wèi)星圖像復(fù)原方法研究
    我是小字典
    正版字典
    讀者(2016年14期)2016-06-29 17:25:50
    基于MTFC的遙感圖像復(fù)原方法
    模糊圖像復(fù)原的高階全變差正則化模型構(gòu)建
    亚洲精品在线美女| 国产成年人精品一区二区| 午夜成年电影在线免费观看| 亚洲国产欧洲综合997久久,| 免费看a级黄色片| 日韩成人在线观看一区二区三区| 欧美日韩综合久久久久久 | 亚洲欧美日韩无卡精品| 亚洲美女黄片视频| 国产野战对白在线观看| 午夜福利18| 国产精品香港三级国产av潘金莲| 少妇丰满av| 久久这里只有精品中国| 国产精品香港三级国产av潘金莲| 在线观看一区二区三区| avwww免费| 国产精品,欧美在线| 国产伦精品一区二区三区视频9 | 成年女人看的毛片在线观看| 九九在线视频观看精品| 国产高潮美女av| 日韩欧美 国产精品| 日韩欧美国产一区二区入口| 精品久久久久久,| 村上凉子中文字幕在线| 亚洲成人精品中文字幕电影| 亚洲美女视频黄频| 午夜影院日韩av| 97人妻精品一区二区三区麻豆| 日韩中文字幕欧美一区二区| 精品不卡国产一区二区三区| 在线观看免费视频日本深夜| 欧美不卡视频在线免费观看| 国产精品一区二区三区四区免费观看 | 久久精品综合一区二区三区| 亚洲乱码一区二区免费版| 亚洲真实伦在线观看| 午夜福利18| 男女做爰动态图高潮gif福利片| 亚洲熟妇熟女久久| 午夜福利免费观看在线| 女生性感内裤真人,穿戴方法视频| 亚洲精品色激情综合| 午夜免费观看网址| 色综合亚洲欧美另类图片| 在线免费观看的www视频| 亚洲av美国av| 成年女人永久免费观看视频| 国产一区二区三区在线臀色熟女| 黄频高清免费视频| 亚洲黑人精品在线| 国产精品久久久久久人妻精品电影| 欧美黑人巨大hd| 性色avwww在线观看| 成人无遮挡网站| 禁无遮挡网站| 一本一本综合久久| 午夜福利在线观看吧| 久久精品aⅴ一区二区三区四区| 久久精品国产清高在天天线| 天堂√8在线中文| 亚洲性夜色夜夜综合| 亚洲aⅴ乱码一区二区在线播放| 国产精品久久视频播放| 男插女下体视频免费在线播放| 狂野欧美白嫩少妇大欣赏| 桃色一区二区三区在线观看| 久久久国产成人精品二区| 夜夜夜夜夜久久久久| 桃色一区二区三区在线观看| svipshipincom国产片| 99热这里只有精品一区 | 亚洲自偷自拍图片 自拍| 动漫黄色视频在线观看| 99国产极品粉嫩在线观看| 国产伦精品一区二区三区视频9 | www.自偷自拍.com| 精品人妻1区二区| 少妇丰满av| 欧美一区二区国产精品久久精品| 日韩欧美免费精品| 国产精品久久视频播放| 成人性生交大片免费视频hd| 久久精品国产99精品国产亚洲性色| 人妻丰满熟妇av一区二区三区| 天堂av国产一区二区熟女人妻| 黄色日韩在线| 最好的美女福利视频网| 国产一区二区在线观看日韩 | 国内少妇人妻偷人精品xxx网站 | 色尼玛亚洲综合影院| 精品国产乱子伦一区二区三区| 欧美国产日韩亚洲一区| 亚洲国产日韩欧美精品在线观看 | 特级一级黄色大片| 动漫黄色视频在线观看| 亚洲成人中文字幕在线播放| 色吧在线观看| 90打野战视频偷拍视频| 成人午夜高清在线视频| 十八禁人妻一区二区| 午夜精品在线福利| 99热6这里只有精品| 中文在线观看免费www的网站| 成人欧美大片| 国产精品一区二区三区四区免费观看 | 久久久精品欧美日韩精品| 狠狠狠狠99中文字幕| 午夜精品在线福利| 欧美极品一区二区三区四区| 脱女人内裤的视频| 国产精品一区二区三区四区免费观看 | 国产精华一区二区三区| 久久草成人影院| 国产伦精品一区二区三区四那| 亚洲专区字幕在线| 精品不卡国产一区二区三区| 久久九九热精品免费| 最近最新免费中文字幕在线| 黄色片一级片一级黄色片| 日韩有码中文字幕| 日本黄色片子视频| 成人亚洲精品av一区二区| 看免费av毛片| 少妇熟女aⅴ在线视频| 亚洲一区二区三区色噜噜| 国产一区二区在线观看日韩 | 18禁黄网站禁片免费观看直播| 国产成人福利小说| 亚洲国产精品成人综合色| 成人av在线播放网站| 两人在一起打扑克的视频| 成人一区二区视频在线观看| 国产成+人综合+亚洲专区| 亚洲精品在线美女| 亚洲国产精品sss在线观看| 国产一区二区三区在线臀色熟女| 桃红色精品国产亚洲av| 美女扒开内裤让男人捅视频| 一区二区三区国产精品乱码| 曰老女人黄片| 在线视频色国产色| 欧美黑人欧美精品刺激| 18禁美女被吸乳视频| 夜夜夜夜夜久久久久| 一级毛片女人18水好多| 亚洲专区国产一区二区| 国产一区在线观看成人免费| 欧美一区二区国产精品久久精品| 成年人黄色毛片网站| 日本在线视频免费播放| 香蕉久久夜色| 此物有八面人人有两片| 丰满的人妻完整版| 免费人成视频x8x8入口观看| 色av中文字幕| 国产欧美日韩精品一区二区| 在线观看免费视频日本深夜| av中文乱码字幕在线| 久久久水蜜桃国产精品网| 长腿黑丝高跟| 免费搜索国产男女视频| 午夜激情福利司机影院| 国产精品久久电影中文字幕| 超碰成人久久| 人人妻人人澡欧美一区二区| 国产一区二区激情短视频| 毛片女人毛片| 人妻久久中文字幕网| 看免费av毛片| 国产午夜福利久久久久久| 久久久成人免费电影| 亚洲性夜色夜夜综合| 无人区码免费观看不卡| 久久久久久久久免费视频了| 老司机在亚洲福利影院| 亚洲真实伦在线观看| 日本免费a在线| 狂野欧美激情性xxxx| 国内精品久久久久精免费| 午夜福利在线观看免费完整高清在 | 国产av麻豆久久久久久久| 午夜精品一区二区三区免费看| h日本视频在线播放| 1000部很黄的大片| 亚洲av成人av| 免费观看的影片在线观看| 一本精品99久久精品77| 网址你懂的国产日韩在线| 国产三级在线视频| 最近视频中文字幕2019在线8| bbb黄色大片| 真人做人爱边吃奶动态| 国产高潮美女av| 精品一区二区三区视频在线观看免费| 女人高潮潮喷娇喘18禁视频| 国产精品日韩av在线免费观看| 别揉我奶头~嗯~啊~动态视频| 九色国产91popny在线| 黄色日韩在线| 草草在线视频免费看| 中文字幕熟女人妻在线| x7x7x7水蜜桃| 国产伦精品一区二区三区四那| 999久久久国产精品视频| h日本视频在线播放| 欧美色欧美亚洲另类二区| 国产精品乱码一区二三区的特点| 日韩欧美在线乱码| 中文字幕av在线有码专区| 亚洲精品456在线播放app | 成人高潮视频无遮挡免费网站| 亚洲无线观看免费| 亚洲 国产 在线| 国产精品日韩av在线免费观看| 18禁黄网站禁片午夜丰满| 国产高清videossex| 国产乱人伦免费视频| 久久国产乱子伦精品免费另类| av在线天堂中文字幕| x7x7x7水蜜桃| 免费一级毛片在线播放高清视频| 麻豆一二三区av精品| 精品国产亚洲在线| 最新中文字幕久久久久 | 欧美黄色淫秽网站| 亚洲国产精品久久男人天堂| 人人妻人人看人人澡| 精品福利观看| 免费在线观看影片大全网站| 国产精品,欧美在线| 免费看十八禁软件| 日韩欧美国产在线观看| 精品不卡国产一区二区三区| 午夜免费观看网址| 亚洲av熟女| 美女扒开内裤让男人捅视频| 一个人看的www免费观看视频| 国产私拍福利视频在线观看| 国产高清有码在线观看视频| 日本黄色片子视频| 成人永久免费在线观看视频| 精品人妻1区二区| 51午夜福利影视在线观看| 免费看日本二区| 好看av亚洲va欧美ⅴa在| 国产野战对白在线观看| 国产精品自产拍在线观看55亚洲| 久久天躁狠狠躁夜夜2o2o| 法律面前人人平等表现在哪些方面| 网址你懂的国产日韩在线| 宅男免费午夜| 性色avwww在线观看| 精品午夜福利视频在线观看一区| 欧美日韩瑟瑟在线播放| 无遮挡黄片免费观看| 欧美成人性av电影在线观看| 特大巨黑吊av在线直播| 国产精品98久久久久久宅男小说| 草草在线视频免费看| 久久亚洲真实| 国产精品永久免费网站| 老熟妇乱子伦视频在线观看| 久久精品夜夜夜夜夜久久蜜豆| 免费看十八禁软件| 蜜桃久久精品国产亚洲av| 少妇熟女aⅴ在线视频| 国产一区二区在线观看日韩 | 久久精品国产清高在天天线| 久久天躁狠狠躁夜夜2o2o| 国产久久久一区二区三区| 国产黄片美女视频| 色综合亚洲欧美另类图片| 高清毛片免费观看视频网站| 精品久久久久久久久久免费视频| 亚洲国产高清在线一区二区三| 久久99热这里只有精品18| 这个男人来自地球电影免费观看| 精品一区二区三区av网在线观看| 亚洲国产高清在线一区二区三| 在线免费观看的www视频| 精品欧美国产一区二区三| 99精品在免费线老司机午夜| 午夜福利高清视频| 亚洲精品美女久久久久99蜜臀| 很黄的视频免费| 熟妇人妻久久中文字幕3abv| 成人三级黄色视频| 天天躁日日操中文字幕| 亚洲avbb在线观看| 在线国产一区二区在线| 亚洲自拍偷在线| 午夜福利在线观看吧| 最近最新中文字幕大全电影3| 亚洲天堂国产精品一区在线| 久久久久性生活片| 亚洲自偷自拍图片 自拍| 日韩 欧美 亚洲 中文字幕| 我要搜黄色片| www.熟女人妻精品国产| 国内精品美女久久久久久| 国产精品精品国产色婷婷| 亚洲av电影不卡..在线观看| av福利片在线观看| 国产精品久久久人人做人人爽| 久久久久久久精品吃奶| 最近最新中文字幕大全电影3| 波多野结衣高清无吗| 我要搜黄色片| 色尼玛亚洲综合影院| 亚洲人成网站在线播放欧美日韩| 国产成人系列免费观看| cao死你这个sao货| 亚洲av电影不卡..在线观看| 亚洲专区国产一区二区| 国产精品一区二区三区四区久久| 欧美日韩一级在线毛片| 久久久久免费精品人妻一区二区| 国产一区二区在线观看日韩 | 宅男免费午夜| 亚洲色图 男人天堂 中文字幕| 国产成人啪精品午夜网站| 色老头精品视频在线观看| 在线免费观看的www视频| bbb黄色大片| 亚洲专区字幕在线| 日本 av在线| 一边摸一边抽搐一进一小说| 国产高清三级在线| ponron亚洲| 99热精品在线国产| 亚洲av电影不卡..在线观看| 曰老女人黄片| 亚洲在线观看片| 又紧又爽又黄一区二区| 久久久成人免费电影| 久久午夜亚洲精品久久| 可以在线观看毛片的网站| 18禁观看日本| 欧美一区二区国产精品久久精品| 女人被狂操c到高潮| 国产视频一区二区在线看| 成年女人永久免费观看视频| 少妇的丰满在线观看| 又黄又爽又免费观看的视频| 在线观看一区二区三区| 亚洲精品久久国产高清桃花| 亚洲精品乱码久久久v下载方式 | 变态另类成人亚洲欧美熟女| 欧美午夜高清在线| 无人区码免费观看不卡| 欧美不卡视频在线免费观看| 99在线人妻在线中文字幕| 日本黄色片子视频| 国产精品98久久久久久宅男小说| 亚洲熟妇熟女久久| 久久草成人影院| 每晚都被弄得嗷嗷叫到高潮| 变态另类丝袜制服| 精品久久蜜臀av无| 免费无遮挡裸体视频| 久久久久久久午夜电影| 99热这里只有精品一区 | 亚洲精品美女久久av网站| 精品日产1卡2卡| 黄色成人免费大全| 色综合站精品国产| 桃色一区二区三区在线观看| 成人特级黄色片久久久久久久| 国产精品爽爽va在线观看网站| 啦啦啦韩国在线观看视频| 999久久久国产精品视频| 国产高清有码在线观看视频| 一级毛片女人18水好多| 少妇人妻一区二区三区视频| 欧美日韩乱码在线| 天堂影院成人在线观看| 午夜视频精品福利| 欧美激情在线99| 丁香六月欧美| 搡老岳熟女国产| 一级作爱视频免费观看| 亚洲自偷自拍图片 自拍| 欧美午夜高清在线| xxxwww97欧美| 亚洲人成网站在线播放欧美日韩| 久久中文字幕人妻熟女| 欧美另类亚洲清纯唯美| 一进一出抽搐gif免费好疼| 岛国在线免费视频观看| 精品一区二区三区av网在线观看| 国产三级在线视频| 最近在线观看免费完整版| 免费一级毛片在线播放高清视频| 在线观看一区二区三区| 亚洲人成电影免费在线| 国语自产精品视频在线第100页| 久久久水蜜桃国产精品网| 蜜桃久久精品国产亚洲av| 精品电影一区二区在线| 午夜福利视频1000在线观看| 成人高潮视频无遮挡免费网站| 久久久久久久午夜电影| 99热这里只有是精品50| 久久国产乱子伦精品免费另类| 给我免费播放毛片高清在线观看| 欧美精品啪啪一区二区三区| 国产免费av片在线观看野外av| 久9热在线精品视频| 变态另类成人亚洲欧美熟女| 成在线人永久免费视频| 国产av一区在线观看免费| 又粗又爽又猛毛片免费看| 国产精品 国内视频| av黄色大香蕉| 亚洲欧美日韩无卡精品| 观看美女的网站| 日本一本二区三区精品| 一a级毛片在线观看| 无人区码免费观看不卡| 黄色成人免费大全| 日本免费a在线| 亚洲av片天天在线观看| 九色成人免费人妻av| 母亲3免费完整高清在线观看| 欧洲精品卡2卡3卡4卡5卡区| 熟妇人妻久久中文字幕3abv| 亚洲精品色激情综合| 美女扒开内裤让男人捅视频| 女人高潮潮喷娇喘18禁视频| 午夜福利视频1000在线观看| 亚洲av五月六月丁香网| 久久中文字幕人妻熟女| 免费观看精品视频网站| 亚洲,欧美精品.| 成年女人毛片免费观看观看9| 日本黄色视频三级网站网址| 欧美又色又爽又黄视频| 香蕉久久夜色| 国产真人三级小视频在线观看| 嫁个100分男人电影在线观看| 日韩国内少妇激情av| 亚洲精品国产精品久久久不卡| 精品久久久久久久久久久久久| 亚洲自拍偷在线| 国产麻豆成人av免费视频| 九九在线视频观看精品| 狠狠狠狠99中文字幕| 亚洲一区二区三区不卡视频| 男人舔奶头视频| 欧美日韩一级在线毛片| 99视频精品全部免费 在线 | 亚洲中文日韩欧美视频| 哪里可以看免费的av片| 欧美国产日韩亚洲一区| 少妇丰满av| 老司机午夜福利在线观看视频| 国产午夜精品论理片| 97超视频在线观看视频| 精品99又大又爽又粗少妇毛片 | 国产高清视频在线观看网站| 女人被狂操c到高潮| 亚洲av成人不卡在线观看播放网| 免费看十八禁软件| 在线十欧美十亚洲十日本专区| 亚洲国产看品久久| 欧美中文日本在线观看视频| www.自偷自拍.com| 国产成人av教育| 国产高潮美女av| 久久久色成人| 日本熟妇午夜| av在线天堂中文字幕| 国产亚洲精品av在线| 午夜福利免费观看在线| 可以在线观看毛片的网站| 亚洲av美国av| 高清在线国产一区| av欧美777| 老司机午夜福利在线观看视频| 99国产极品粉嫩在线观看| 一进一出抽搐动态| 日韩欧美 国产精品| 在线观看日韩欧美| 亚洲中文字幕一区二区三区有码在线看 | 无人区码免费观看不卡| 色哟哟哟哟哟哟| 观看美女的网站| 老司机深夜福利视频在线观看| 国产成人系列免费观看| 免费在线观看亚洲国产| 日韩欧美 国产精品| 香蕉国产在线看| 日韩中文字幕欧美一区二区| 色精品久久人妻99蜜桃| 国产精品98久久久久久宅男小说| 欧美成人性av电影在线观看| 亚洲自偷自拍图片 自拍| 亚洲性夜色夜夜综合| 看片在线看免费视频| 99re在线观看精品视频| 亚洲精品456在线播放app | 一个人免费在线观看的高清视频| 日日夜夜操网爽| 亚洲精品粉嫩美女一区| 怎么达到女性高潮| 男女午夜视频在线观看| 中国美女看黄片| 婷婷亚洲欧美| 国产伦人伦偷精品视频| 国产aⅴ精品一区二区三区波| 亚洲美女视频黄频| 午夜成年电影在线免费观看| 色在线成人网| 老司机午夜福利在线观看视频| 成人三级黄色视频| 欧美丝袜亚洲另类 | 岛国视频午夜一区免费看| 国产 一区 欧美 日韩| 亚洲激情在线av| 国产精品 欧美亚洲| 精品国产美女av久久久久小说| 午夜久久久久精精品| 少妇丰满av| 99热这里只有精品一区 | 中国美女看黄片| 女同久久另类99精品国产91| 欧美黑人巨大hd| 又紧又爽又黄一区二区| 18美女黄网站色大片免费观看| 亚洲自偷自拍图片 自拍| 午夜亚洲福利在线播放| 国产免费男女视频| 91在线精品国自产拍蜜月 | 国产成+人综合+亚洲专区| 亚洲九九香蕉| 搡老熟女国产l中国老女人| 性色av乱码一区二区三区2| 757午夜福利合集在线观看| 精品免费久久久久久久清纯| 国产熟女xx| 国产一区二区三区在线臀色熟女| 韩国av一区二区三区四区| 日韩欧美免费精品| 免费在线观看视频国产中文字幕亚洲| 91av网站免费观看| 99国产精品一区二区三区| 成人午夜高清在线视频| 亚洲av中文字字幕乱码综合| 久久久国产精品麻豆| 日韩欧美在线乱码| 99国产综合亚洲精品| 欧美一级毛片孕妇| 日韩成人在线观看一区二区三区| 狂野欧美激情性xxxx| 国产一区二区在线观看日韩 | 国产精品久久视频播放| 精品不卡国产一区二区三区| 禁无遮挡网站| 麻豆久久精品国产亚洲av| 操出白浆在线播放| 国产精品影院久久| x7x7x7水蜜桃| 日本与韩国留学比较| 老司机福利观看| 亚洲激情在线av| 成人欧美大片| 免费观看人在逋| 黄色成人免费大全| 毛片女人毛片| 黄色成人免费大全| 久久天躁狠狠躁夜夜2o2o| 日韩中文字幕欧美一区二区| 国产淫片久久久久久久久 | 免费在线观看影片大全网站| 桃红色精品国产亚洲av| 国产视频一区二区在线看| 久9热在线精品视频| www.自偷自拍.com| 久久久国产成人精品二区| 丁香欧美五月| 亚洲国产精品久久男人天堂| 18禁国产床啪视频网站| 欧美大码av| 国产黄a三级三级三级人| 国产熟女xx| 国产高清有码在线观看视频| 小说图片视频综合网站| tocl精华| 国产av在哪里看| 国产激情久久老熟女| 久久这里只有精品中国| www.精华液| 中文字幕人妻丝袜一区二区| 少妇的逼水好多| 偷拍熟女少妇极品色| 亚洲色图av天堂| 18美女黄网站色大片免费观看| 悠悠久久av| 久久久久性生活片| av欧美777| 啦啦啦观看免费观看视频高清| 久久久久久久午夜电影| 国产免费男女视频| www.www免费av| av在线蜜桃| 亚洲国产色片| 国产野战对白在线观看| 精品免费久久久久久久清纯| 国产激情偷乱视频一区二区| 听说在线观看完整版免费高清| 激情在线观看视频在线高清| 桃红色精品国产亚洲av| 亚洲av成人不卡在线观看播放网|