一种新颖的单幅图像超分辨率重建

摘要：

针对传统字典学习(dictionary learning,DL)的超分辨率重建方法,低分辨率图像块细节欠缺严重,导致重建的高分辨图像块无法获得最佳的高分辨率图像块.结合图像自身的自学习和自然图像库信息进行超分辨率重建.首先,通过自学习建立金字塔阶梯式训练图像集,结合协作表示(collaborative representation,CR)理论和支持向量回归(support vector regression,SVR)技术学习多层超分辨率映射模型,将得到的多张外部图像作为字典学习模型的低分辨率图像与原图训练高低字典对.图像重建时,先用自学习模型得到初步处理的X1,再用字典学习得到图像X2作为最终的重建图像.还提出了通过旋转和翻转图像训练分类的高低字典对,对实验结果有进一步的提升.实验结果证明,所使用的两个模型结合的算法,能够抑制传统方法不能解决的噪声问题,且与单纯的自学习模型相比,PSNR和SSIM也都有较为明显的提升.

关键词：单幅图像超分辨率、图像自学习、字典学习、分类字典

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家教育部春晖计划项目;国家自然科学基金资助项目;四川省教育厅自然科学重点项目;西华大学研究生创新基金项目

在线出版日期：2020-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：222-228