发明名称 | 一种基于MCA和字典学的车牌超分辨率重构方法 | ||
摘要 | 该发明提供了一种基于MCA和字典学的车牌超分辨率重构方法,把车牌图像视为结构部分和纹理部分的线性组合,利用高、低分辨率字典对低分辨率的车牌图像进行超分辨率重构。具体步骤如下:步骤一:将低分辨率测试车牌图像插值到与目标高分辨率图像相同尺寸,采用MCA算法把插值图像分解成纹理部分和结构部分;步骤二:低分辨率图像通过KSVD方法得到低分辨率字典和稀疏系数,利用系数和高分辨率图像计算高分辨率字典。步骤三:利用高、低分辨率字典对分块后的低分辨率图像进行超分辨率重建,合并重建后的图像块得到高分辨率图像的纹理部分,与插值图像结构部分相加,即得到高分辨率图像。本发明重构得到的车牌图像能够较好地保持图像的边缘、纹理信息。 | ||
申请公布号 | CN104867116A | 申请公布日期 | 2015.08.26 |
申请号 | CN201510190609.4 | 申请日期 | 2015.04.21 |
申请人 | 重庆大学 | 发明人 | 尹宏鹏;柴毅;李艳霞;邢占强 |
分类号 | G06T5/00(2006.01)I | 主分类号 | G06T5/00(2006.01)I |
代理机构 | 代理人 | ||
主权项 | 一种基于MCA和字典学习的车牌超分辨率重构方法,其特征在于包括下述步骤:步骤一:将低分辨率测试图像y插值到与目标高分辨率图像相同的尺寸,得到插值图像Y,并采用MCA算法把插值图像Y分解成纹理部分Y<sub>t</sub>和结构部分Y<sub>s</sub>。步骤二:低分辨率图像特征块通过KSVD方法得到低分辨率字典和稀疏表示系数,利用系数和高分辨率图像特征块计算得到高分辨率字典。步骤三:对低分辨率图像y分块并提取低频特征,利用该高、低分辨率字典对对低分辨率图像块进行超分辨率重建,得到高频特征图像块;合并所有高频图像块,在图像块之间的重叠部分取均值,得到目标高分辨率图像的纹理部分X<sub>t</sub>,X<sub>t</sub>与插值图像结构部分Y<sub>s</sub>相加,得到目标高分辨率图像X。 | ||
地址 | 400044 重庆市沙坪坝区沙正街174号 |