同时过滤器的各向异性也跟着相关性的增添而增长

2016-12-12 14:22

合并为3倍超分辩率图像学习的11×11过滤器。这些过滤器能够为超辨别率系数,包含分级系数。其中,当边缘角度转变时,我们看到过滤器的角度也随之旋转。同样的,跟着强度增加,过滤器的锐度也随之增加,同时过滤器的各向异性也随着相干性的增长而增添。

对这两种方式,RAISR过滤器都可以依据在图像块中找到的边特征(edge feature)来取得练习??即亮度/色彩梯度、平坦/有纹理的区域等等??其特点确实定是通过方向(direction,即一个边的角度)、强度(strength,锋利的边有更大的强度)跟相干度(coherence,一种对边的状况的度量)。

下面是一组RAISR过滤器,它们是从10000对高和低分辨率图像对的数据集中学习到的(其中低分辨率图像首先会被上采样)。其训练进程大略用去了一个小时。

另一种方法须要首先将一个低计算本钱的升频器利用到低分辨率的图像上(如上图)而后从上采样和高分辨率的图像对中学习过滤器。固然直接的方法盘算的更快,然而第二种办法容许非整数比例系数,同时能更好的应用基于硬件的上采样。

从左到右,咱们看到学习过滤器抉择性地对应正在重建的下边缘方向。例如:底部行旁边的过滤器最合适坚持强程度边沿(梯度角90°)同时存在高度相关性(一条直的,而不是曲折的边缘)假如这条雷同的水平边缘是低对照度的,则顶行中会有另一个过滤器被选中。