正则化技术和低秩矩阵在稀疏表示超分辨率算法中的应用
为了有效地利用图像的特征作为指导重建的先验知识, 解决常规超分辨率算法对边缘与结构等细节恢复不足的问题, 提出一种改进的超分辨率算法. 对待重建图像进行低秩分解, 得到不同特征的低秩子图像和稀疏子图像;对于低秩子图像, 提出采用基于正则化技术的稀疏表示超分辨率算法进行重建, 先通过在低秩子图像中寻找相似图像块构造非局部相似正则化项, 得到图像的非局部冗余, 以保持边缘信息; 再通过局部线性嵌入方法构造流形学习正则化项, 获得图像的结构先验知识, 以增强结构信息. 对于稀疏子图像则不参与稀疏表示超分辨率重建, 而是采用双三次插值法进行重建. 实验结果表明, 与其他算法相比, 无论在主观视觉效果上, 还是在峰值信噪比和结构相似性指标上, 文中算法都有显著的提高.
超分辨率、稀疏表示、非局部相似性、局部线性嵌入、低秩矩阵
30
TP391.41(计算技术、计算机技术)
国家自然科学基金61672335,61602191;泉州市高层次人才创新创业项目2017G046;泉州市科技计划项目2014Z113;华侨大学研究生科研创新能力培育计划资助项目1511422002
2018-06-12(万方平台首次上网日期,不代表论文的发表时间)
共10页
868-877