选择性图像超分辨率
计算机视觉与模式识别
2010-10-28 v1
摘要
本文提出了一种具有选择性的图像超分辨率（SR）视觉系统。传统的 SR 技术，无论是通过多图像融合还是基于示例的构建，都未能利用图像中固有的结构和语义上下文，并对整个图像区域进行“盲目”分辨率恢复。相比之下，我们提倡基于示例的选择性 SR，其选择性体现在三个方面：区域选择性（仅在物体区域进行 SR）、源选择性（使用训练好的物体字典进行物体 SR）和细化选择性（使用抠图进行物体边界细化）。所提出的系统以过分割的低分辨率图像为输入，吸收了稀疏编码（SC）和分组多任务套索（GMTL）的最新学习技术，最终形成了一个联合图形-背景分离和感兴趣物体 SR 的框架。我们在 VOC2009 和 MSRC 数据集的子集上的实验证明了我们框架的效率。我们还展示了几个可以基于我们系统构建的有趣视觉应用。
引用
@article{arxiv.1010.5610,
title = {Selective Image Super-Resolution},
author = {Ju Sun and Qiang Chen and Shuicheng Yan and Loong-Fah Cheong},
journal= {arXiv preprint arXiv:1010.5610},
year = {2010}
}
备注
20 pages, 5 figures. Submitted to Computer Vision and Image Understanding in March 2010. Keywords: image super resolution, semantic image segmentation, vision system, vision application