基于K-SVD的自适应选择字典的超分辨率重建算法

摘要：

超分辨率技术是由低分辨率图像复原出高分辨率图像的技术,在计算机视觉系统中发挥重要的作用.针对传统基于学习算法的不足,提出一种基于K-SVD的自适应选择字典的超分辨率重建算法.该方法基于稀疏超分辨率模型,利用图像相似性和冗余特性,并结合图像金字塔结构,采用低分辨率图像本身来训练高、低分辨率字典对.同时在稀疏重构时应用正则正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)提高重构的精度和速度;最后利用人眼的视觉特性,采用一种自适应选择字典的算法,提高了重建的效率.实验结果表明,与传统的超分辨率算法相比,该算法不但有更高的峰值信噪比(Peak Signal to Noise Ratio,PSNR)结构相似性(Structural Similarity,SSIM),且计算速度更快.

关键词：图像超分辨率、稀疏字典、图像金字塔

所属期刊栏目：45

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金"用于癫痫发作预测的脑电特征深度学习研究"61501283

在线出版日期：2017-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：961-965