Photographic Appearance Enhancement via Detail-Based Dictionary Learning

摘要

很多个边知道的过滤器能高效地由详细增加一幅图象的外观分解和改进。然而，他们经常没能由于一些可见人工制品，特别噪音，光圈和奇异对比生产摄影提高的外观。必要原因是指导和高质量的外观的限制不在改进的过程是足够足够的。因此我们的想法是从很多高质量的补丁训练一本详细字典以便抑制并且控制全部外观改进。在这糊，我们为摄影外观建议一个新奇 learningbased 改进方法，它包括二个主要阶段：字典训练和稀少的重建。在训练阶段，我们构造训练补丁从一些提取了的详细设定高质量的相片，然后火车由反复地最小化 1-norm 的一本 overcomplete 详细字典精力功能。在重建阶段，我们采用训练字典重建增加的详细层，并且进一步形式化指导坡度的优化改进的功能本地人在补丁之间的连贯。而且，我们建议二个评估度量标准测量外观改进的表演。最后的试验性的结果表明了我们的学习底的有效性改进方法。