基于正则化稀疏表示的图像超分辨率算法
为了从单幅低分辨率(LR)图像恢复出高分辨率(HR)图像,提出了一种应用正则化稀疏表示和基于机器学习的超分辨率(SR)图像恢复算法.构造了一种基于稀疏表示的SR凸变模型,为了提高恢复效果,针对模型提出了两种稀疏正则化约束条件,一是将分类效果更好的图表拉普拉斯作为正则化约束条件,从而找到与输入LR图像块在结构上最接近的学习样本;另一种是针对冗余的学习样本进行约束,保证了图像边缘的锐利.将输入的每一块LR图像应用正则化稀疏表示,经过学习得到与之对应的HR图像块,最终得到整幅HR图像.试验结果表明,算法恢复出的HR图像峰值信噪比(PSNR)值较双三次插值算法最高提升约2 dB,主观目视清晰、边缘锐利.
超分辨率(SR)、稀疏表示、图像分类、正则化、图表拉普拉斯
24
TN911.73
国家自然科学基金90920301;陕西省教育厅科研计划2013JK1057
2013-12-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
2024-2030