zoukankan      html  css  js  c++  java
  • 分颜色通道SR的相关论文

    1、SRCNN-译文.doc

    https://max.book118.com/html/2017/0628/118607667.shtm

     见SRCNN翻译:彩色通道的实验 - wangxujin666的博客 - CSDN博客 https://blog.csdn.net/wangxujin666/article/details/82963187

    结论:RGB通道联合训练效果最好;YCbCr通道下,Cb、Cr通道对性能提升基本无帮助,只基于Y通道的训练效果更好。

    Y pre-train:首先,保证Y通道的表现,我们仅仅使用Y通道的MSE作为损失去预训练Y通道。之后,我们采用所有通道的MSE来fine-tune参数。

    fine-tune:微调。Fine-tune:冻结预训练模型的部分卷积层(通常是靠近输入的多数卷积层),训练剩下的卷积层(通常是靠近输出的部分卷积层)和全连接层。

    CbCr 预训练:我们使用Cb,Cr的MSE损失去预训练网络,然后在所有的通道上fine-tune参数。

    观察结果:

    1 如果我们直接训练YCbCr通道,结果比双三次插值更差,训练陷入了坏的局部最小值,这是由于Y Cb Cr三个通道本质上的不同。

    2. 如果我们预训练了Y 或者Cb、Cr通道,表现提升了但还是不如只训练彩色影像的Y通道(看表5的最后一列,PSNR是在RGB颜色空间中计算的)。这说明如果训练在同一的网络上进行,Cb,Cr将会减少Y通道的表现

    3.我们观察到比起预先训练Y通道,预先训练Cb,Cr通道时Cb,Cr的PSNR分数更低。这个是因为Cb、Cr通道和Y通道的不同,视觉上,Cb,Cr比Y通道更加模糊,因此受下采样阶段的影响更小。当我们预先训练Cb,Cr时候,只有很少的一部分滤波器被激活。然后在fine-tune的时候,训练会很快落入一个坏的局部最小值。另一方面,如果我们预先训练了Y通道,就有更多的滤波器被激活,有助于Cb、Cr通道的表现。

    4. 彩色影像在RGB上的训练效果最好。和YCbCr不同,RGB通道的训练展现了高度的互相关。SRCNN方法能够使用信道之间自然的对应进行重建。因此,模型在Y通道上实现了于Y only相当的结果,在Cb和Cr通道上实现了比双三次插值更好的结果。结果建议算法偏向Y通道。整体上来说,我们的方法在RGB通道上的效果比起KK和Y only想过更好。同样值得一提的是,和单通道网络相比表现没有明显的提高。这也证明了Cb,Cr通道几乎不能帮助到表现的提升。

    2、吴宣沛, 谢勤岚. 基于迭代反投影的彩色图像超分辨率重建

    [J]. 计算机与数字工程, 2015(6):1113-1117.

    选择在 HSV 颜色空间下迭代反投影 ,保留图像的 H 通道,只对 S 通道和 V 通道进行迭代反投影 。

    为了保持色调一致。

     3、赵红, 常卓, 杨刚. 一种基于空间转换的彩色图像超分辨率方法

    [J]. 河北大学学报(自然科学版), 2016, 36(6):667-672.

    彩色图像的RGB(红绿蓝)3个通道间具有密切的相关性,在RGB空间中进行超分辨率操作容易破坏这种相关性,会导致色彩伪影。

    然而在Lαβ彩色空间中,3个通道之间的相关性很小。本文借鉴空间转换的思想,提出了一种将彩色图像转化到lαβ空间进行超分辨率的方法,在3个通道单独进行超分辨率处理。实验结果证明了该方法对RGB 3个通道的相关性破坏极小。

    结论:

    4、王馨悦, 辛志薇. 基于稀疏表示的单帧超分辨率算法

    [J]. 现代计算机, 2016(7):65-68.

    对于彩色图像,为避免由颜色通道相关性而造成的重建图像质量的下降,在 Lab 颜色空间对彩色图像进行重建。保持颜色通道的一致性。

    仅对Y通道重建,另外通道插值。

     

     5、赵红, 魏勇刚, 杨刚. 一种基于alpha通道的彩色图像超分辨率方法

    [J]. 河北大学学报(自然科学版), 2018, 38(3):321-326.

    基于alpha通道的边缘保持超分辨率方法。

    【摘要】:彩色图像的RGB 3个通道间具有密切的相关性,若将现有具有边缘保持作用的灰度图像超分辨率方法直接推广到RGB空间中进行,很容易破坏这种相关性,也必会导致色彩伪影。为解决此问题,本文提出了一种基于alpha通道的彩色图像超分辨率方法。首先,对图像进行区域分割,并对每个区域进行前景、背景及alpha通道的提取;然后,将alpha通道、前景及背景图像分别进行超分辨率;最后,合成得到高分辨率图像。该方法基于图像分割和alpha matting技术,利用alpha通道协调3个通道的边缘信息。实验结果表明,该算法在较好地实现超分辨率的同时保持了图像的边缘,避免了色彩失真,具有较好的视觉效果。

    同4论文中内容。

    Alpha matting

    Alpha matting是指把需要的前景物体从图像中精确地提取出来的技术。

    6、王艳. 基于稀疏表示的单幅彩色图像超分辨率重建方法研究

    [D]. 大连海事大学, 2012.

    3)改进的基于稀疏表示的彩色图像超分辨率重建方法。将低分辨率图像的RGB模式转换成YCbCr模式,利用KSVD算法构建Y、Cb、Cr三通道词典,分别对三个通道进行图像的超分辨率重建。实验结果表明与单独的Y分量重建以及R、G、B三通道重建方法相比较,本文算法重建的信噪比和相似度都有了提高。

     7、How to deal with color in super resolution reconstruction of image

     -道客巴巴 http://www.doc88.com/p-1035092390667.html

     

  • 相关阅读:
    洛谷 P1194 飞扬的小鸟 题解
    洛谷 P1197 星球大战 题解
    洛谷 P1879 玉米田Corn Fields 题解
    洛谷 P2796 Facer的程序 题解
    洛谷 P2398 GCD SUM 题解
    洛谷 P2051 中国象棋 题解
    洛谷 P1472 奶牛家谱 Cow Pedigrees 题解
    洛谷 P1004 方格取数 题解
    洛谷 P2331 最大子矩阵 题解
    洛谷 P1073 最优贸易 题解
  • 原文地址:https://www.cnblogs.com/wxl845235800/p/11098413.html
Copyright © 2011-2022 走看看