校园航拍图像超分辨率重建的粒计算方法

刘宏兵 马原 刁小宇 郭华平

刘宏兵, 马原, 刁小宇, 郭华平. 校园航拍图像超分辨率重建的粒计算方法[J]. 信阳师范学院学报(自然科学版), 2019, 32(2): 312-319. doi: 10.3969/j.issn.1003-0972.2019.02.025
引用本文: 刘宏兵, 马原, 刁小宇, 郭华平. 校园航拍图像超分辨率重建的粒计算方法[J]. 信阳师范学院学报(自然科学版), 2019, 32(2): 312-319. doi: 10.3969/j.issn.1003-0972.2019.02.025
LIU Hongbing, MA Yuan, DIAO Xiaoyu, GUO Huaping. Granular Computing for Super-Resolution Reconstruction of Aerial Images in Campus[J]. Journal of Xinyang Normal University (Natural Science Edition), 2019, 32(2): 312-319. doi: 10.3969/j.issn.1003-0972.2019.02.025
Citation: LIU Hongbing, MA Yuan, DIAO Xiaoyu, GUO Huaping. Granular Computing for Super-Resolution Reconstruction of Aerial Images in Campus[J]. Journal of Xinyang Normal University (Natural Science Edition), 2019, 32(2): 312-319. doi: 10.3969/j.issn.1003-0972.2019.02.025

校园航拍图像超分辨率重建的粒计算方法

doi: 10.3969/j.issn.1003-0972.2019.02.025
基金项目: 

国家自然科学基金项目(61170202);河南省科技计划项目(182300410145,182102210132)

详细信息
    作者简介:

    刘宏兵(1971-),男,河南潢川人,教授,博士,主要从事模式识别和计算机视觉等方向研究.

  • 中图分类号: TP391

Granular Computing for Super-Resolution Reconstruction of Aerial Images in Campus

  • 摘要: 提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.
  • [1] 陈玉臻.试论无人机航拍画面的形式美感:以《航拍中国》为例[D].杭州:浙江大学,2018. CHEN Yuzhen. On the aesthetic feeling of the aerial photograph of unmanned aerial vehicle:Taking "aerial Chian" as example[D]. Hangzhou:Zhejiang University, 2018.
    [2] 张帆,付慧,杨刚.低空林地航拍图像拼接的改进缝合线算法[J].北京林业大学学报,2018, 40(5):90-102.

    ZHANG Fan, FU Hui, YANG Gang. Improved optimal seamless-line algorithm of aerial image mosaic in low altitude woodland[J]. Journal of Beijing Forestry University, 2018, 40(5):90-102.
    [3] 陈苏婷,王卓,王奇.基于非线性尺度空间的航拍场景分类[J].上海交通大学学报,2017, 51(10):1228-1234.

    CHEN Suting, WANG Zhuo, WANG Ji. Aerial scene classification based on nonlinear scale space[J]. Journal of Shanghai Jiaotong University, 2017, 51(10):1228-1234.
    [4] 孔颖,孙明轩,陆慧娟.多幅混合数字图像提取的迭代学习方法[J].小型微型计算机系统,2017, 38(3):584-589.

    KONG Ying, SUN Mingxuan, LU Huijuan. Iterative learning method for extraction of digital images under multi-blending[J]. Journal of Chinese Computer Systems, 2017, 38(3):584-589.
    [5] 田娟秀,刘国才,谷珊珊,等.医学图像分析深度学习方法研究与挑战[J].自动化学报,2018, 44(3):401-424.

    TIAN Juanxiu, LIU Guocai, GU Shanshan, et al. Deep learning in medical image analysis and its challenges[J]. Acta Automatica Sinica, 2018, 44(3):401-424.
    [6]
    [7] BETZIG E, PATTERSON G H, SOUGRAT R, et al. Imaging intracellular fluorescent proteins at nanometer resolution[J]. Science, 2006, 313(5793):1642-1645.
    [8] ROWEIS S T, SAUL L K. Nonlinear dimensionality reduction by locally linear embedding[J]. Science (New York, N Y), 2000, 290(550):2323-2326.
    [9] YANG Jianchao, WRIGHT J, HUANG T S, et al. Image super-resolution via sparse representation[J]. IEEE Transactions on Image Processing, 2010, 19(11):2861-2873.
    [10] PELEG T, ELAD M. A statistical prediction model based on sparse representations for single image super-resolution[J]. IEEE Transactions on Image Processing, 2014, 23(6):2569-2582.
    [11] SHIN D K, MOON Y S. Super-resolution image reconstruction using wavelet based patch and discrete wavelet transform[J]. Journal of Signal Processing Systems for Signal Image and Video Technology, 2015, 81(1):71-81.
    [12] 樊子德,龚健雅,刘博,等.顾及时空异质性的缺失数据时空插值方法[J].测绘学报,2016, 45(4):458-465.

    FAN Zide, GONG Jianya, LIU Bo, et al. A space-time interpolation method of missing data based on spatio-temporal heterogeneity[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(4):458-465.
    [13] 肖进胜,饶天宇,贾茜,等.改进的自适应冲击滤波图像超分辨率插值算法[J].计算机学报,2015, 38(6):1131-1139.

    XIAO Jinsheng, RAO Tianyu, JIA Qian, et al. Interpolation algorithm based on improved adaptive shock filter in image super-resolution[J]. Chinese Journal of Computers, 2015, 38(6):1131-1139.
    [14] 何林阳,刘晶红,李刚.基于多相组重建的航空图像超分辨率算法[J].物理学报,2015, 64(11):114201-114208.

    HE Linyang, LIU Jinghong, LI Gang. Super-resolution of aerial image by means of polyphase components reconstruction[J]. Acta Physica Sinica, 2015, 64(11):114201-114208.
    [15] 朱红,宋伟东,谭海,等.多尺度细节增强的遥感影像超分辨率重建[J].测绘学报,2016, 45(9):1081-1088.

    ZHU Hong, SONG Weidong, TAN Hai, et al. Remote sensing images super resolution reconstruction based on multi-scale detail enhancement[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(9):1081-1088.
    [16] 张岩,李建增,李德良,等.无人机侦察视频超分辨率重建方法[J].中国图象图形学报,2016, 21(7):967-976.

    ZHANG Yan, LI Jianzeng, LI Deliang, et al. Super-resolution reconstruction for UAV video[J]. Journal of Image and Graphics, 2016, 21(7):967-976.
    [17] 李玲慧,杜军平,梁美玉,等.基于时空特征和神经网络的视频超分辨率算法[J].北京邮电大学学报,2016, 39(4):1-6.

    LI Linghui, DU Junping, LIANG Meiyu, et al. Video super-resolution algorithm based on spatial-temporal feature and neural network[J]. Journal of Beijing University of Posts and Telecommunications, 2016, 39(4):1-6.
    [18] YU Jifei, GAO Xinbo, TAO Dacheng, et al. A unified learning framework for single image super-resolution[J]. IEEE Transactions on Neural Networks and Learning Systems, 2014, 25(4):780-792.
    [19] GU Shuhang, ZUO Wangmeng, XIE Qi, et al. Convolutional sparse coding for image super-resolution[C]//2015 IEEE International Conference on Computer Vision (ICCV), 2015:1823-1831.
    [20] HU Weiming, LI Wei, ZHANG Xiaoqin, et al. Single and multiple object tracking using a multi-feature joint sparse representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(4):816-833.
    [21] ZADEH L. Fuzzy logic=computing with words[J]. IEEE Transactions on Fuzzy Systems, 1996, 4(2):103-111.
    [22] QIAN Yuhua, CHENG Honghong, WANG Jieting, et al. Grouping granular structures in human granulation intelligence[J]. Information Sciences, 2017, 382(1):150-169.
    [23] 张铃,张钹.模糊相容商空间与模糊子集[J].中国科学:信息科学,2011, 41(1):1-11.

    ZHANG Ling, ZHANG Bo. Fuzzy tolerance quotient spaces and fuzzy subsets[J]. Science China Information Sciences, 2011, 41(1):1-11.
  • [1] 王冬, 王黎, 黄静.  光伏组件自然老化年度衰减率分析 . 信阳师范学院学报(自然科学版), 2018, 31(3): 375-380. doi: 10.3969/j.issn.1003-0972.2018.03.007
    [2] 吕梦迪, 郑素佩, 陈芳.  五阶高分辨率熵稳定算法 . 信阳师范学院学报(自然科学版), 2018, 31(2): 191-196. doi: 10.3969/j.issn.1003-0972.2018.02.005
    [3] 刘开源.  平行光透过折射率线性变化介质的传播规律 . 信阳师范学院学报(自然科学版), 2015, 28(4): 489-492. doi: 10.3969/j.issn.1003-0972.2015.04.007
    [4] 赵国敏, 李国东.  基于广义Henon映射以及CNN超混沌系统图像加密方案 . 信阳师范学院学报(自然科学版), 2015, 28(1): 141-145. doi: 10.3969/j.issn.1003-0972.2015.01.034
    [5] 陈旭生, 刘宏兵, 李为华.  基于距离的粒计算分类算法 . 信阳师范学院学报(自然科学版), 2015, 28(2): 271-274. doi: 10.3969/j.issn.1003-0972.2015.02.028
    [6] 吕康, 孟慧丽, 马媛媛.  基于粒计算的超市会员数据的聚类算法 . 信阳师范学院学报(自然科学版), 2014, 27(2): 284-287. doi: 10.3969/j.issn.1003-0972.2014.02.030
    [7] 柳春华, 刘宏兵.  基于多目标优化的超盒粒计算分类算法 . 信阳师范学院学报(自然科学版), 2014, 27(1): 127-130. doi: 10.3969/j.issn.1003-0972.2014.01.033
    [8] 李为华, 刘宏兵.  彩色图像的球形粒计算分割算法 . 信阳师范学院学报(自然科学版), 2014, 27(2): 296-298. doi: 10.3969/j.issn.1003-0972.2014.02.033
    [9] 李蕊.  具有模糊收益率的投资组合选择模型 . 信阳师范学院学报(自然科学版), 2013, 26(2): 169-172. doi: 10.3969/j.issn.1003-0972.2013.02.004
    [10] 杨金根, 张俊艺.  一类具饱和传染率和脉冲接种的传染病模型 . 信阳师范学院学报(自然科学版), 2013, 26(4): 489-492. doi: 10.3969/j.issn.1003-0972.2013.04.006
    [11] 刘宏兵, 车雅军, 周文勇, 张继军.  超盒粒计算的模糊格代数系统 . 信阳师范学院学报(自然科学版), 2013, 26(2): 180-183. doi: 10.3969/j.issn.1003-0972.2013.02.007
    [12] 林小燕.  多层膜反射率的计算 . 信阳师范学院学报(自然科学版), 2011, 24(1): 49-51.
    [13] 邓道贵, 何卫龙.  pH对舟形无齿蚌钩介幼虫存活率的影响 . 信阳师范学院学报(自然科学版), 2006, 19(2): 177-178.
    [14] 吕蓓红, 曹三忠, 张勇.  环境空气质量预报准确率研究 . 信阳师范学院学报(自然科学版), 2006, 19(4): 499-503.
    [15] 黄天顺, 何世钧, 杜幼玲.  基于RBF网络的ECT图像重建算法 . 信阳师范学院学报(自然科学版), 2006, 19(3): 339-341.
    [16] 炎正馨, 袁长迎, 吴旌贺, 吴国栋, 孙珠妹, 杨向东.  冲击光谱强度定标方法与单色仪分辨率的测定 . 信阳师范学院学报(自然科学版), 2005, 18(3): 282-284.
    [17] 邱小琮, 周洪琪, 华雪铭, 刘小刚, 曹丹.  中草药对异育银鲫消化率影响的研究 . 信阳师范学院学报(自然科学版), 2004, 17(1): 54-56.
    [18] 魏金凤, 刘立新, 陈光辉.  大蒜油的提取及提高出油率的研究 . 信阳师范学院学报(自然科学版), 1998, 11(3): 285-286.
    [19] 潘兹书,袁红雨,龚国强.  信阳绿茶茶多酚含量及浸出率 . 信阳师范学院学报(自然科学版), 1995, 8(3): 294-298.
    [20] 袁维树.  结核病流行病学感染率、发病率及其预防措施初探 . 信阳师范学院学报(自然科学版), 1990, 3(2): 175-180.
  • 加载中
计量
  • 文章访问数:  819
  • HTML全文浏览量:  35
  • PDF下载量:  18
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-11-13
  • 修回日期:  2018-12-15
  • 刊出日期:  2019-04-10

校园航拍图像超分辨率重建的粒计算方法

doi: 10.3969/j.issn.1003-0972.2019.02.025
    基金项目:

    国家自然科学基金项目(61170202);河南省科技计划项目(182300410145,182102210132)

    作者简介:

    刘宏兵(1971-),男,河南潢川人,教授,博士,主要从事模式识别和计算机视觉等方向研究.

  • 中图分类号: TP391

摘要: 提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.

English Abstract

刘宏兵, 马原, 刁小宇, 郭华平. 校园航拍图像超分辨率重建的粒计算方法[J]. 信阳师范学院学报(自然科学版), 2019, 32(2): 312-319. doi: 10.3969/j.issn.1003-0972.2019.02.025
引用本文: 刘宏兵, 马原, 刁小宇, 郭华平. 校园航拍图像超分辨率重建的粒计算方法[J]. 信阳师范学院学报(自然科学版), 2019, 32(2): 312-319. doi: 10.3969/j.issn.1003-0972.2019.02.025
LIU Hongbing, MA Yuan, DIAO Xiaoyu, GUO Huaping. Granular Computing for Super-Resolution Reconstruction of Aerial Images in Campus[J]. Journal of Xinyang Normal University (Natural Science Edition), 2019, 32(2): 312-319. doi: 10.3969/j.issn.1003-0972.2019.02.025
Citation: LIU Hongbing, MA Yuan, DIAO Xiaoyu, GUO Huaping. Granular Computing for Super-Resolution Reconstruction of Aerial Images in Campus[J]. Journal of Xinyang Normal University (Natural Science Edition), 2019, 32(2): 312-319. doi: 10.3969/j.issn.1003-0972.2019.02.025
参考文献 (23)

目录

    /

    返回文章
    返回

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计