基于自适应锚定邻域回归的图像超分辨率算法

摘要：

在基于字典的图像超分辨率(SR)算法中,锚定邻域回归超分辨率(ANR)算法由于其优越的重建速度和质量引起了人们的广泛关注.然而,ANR算法的锚定邻域投影并不稳定,以致于不足以涵盖各种样式的映射关系.因此提出一种基于自适应锚定邻域回归的图像SR算法,根据样本分布自适应地计算邻域中心从而以更精确的邻域来预计算投影矩阵.首先,以图像块为中心,运用K均值聚类算法将训练样本聚类成不同的簇;然后,用每个簇的聚类中心替换字典原子来计算相应的邻域;最后,运用这些邻域来预计算从低分辨率(LR)空间到高分辨率(HR)空间的映射矩阵.实验结果表明,所提算法在Set14上平均重建效果以31.56 dB的峰值信噪比(PSNR)及0.8712的结构相似性(SSIM)优于其他基于字典的先进算法,甚至胜过超分辨率卷积神经网络(Super-Resolution Convolutional Neural Network,SRCNN)算法.同时,在主观表现上看,所提算法恢复出了尖锐的图像边缘且产生的伪影较少.

关键词：图像超分辨率、自适应聚类、自适应邻域、K均值聚类算法

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：四川省科学技术厅重点研发项目2018GZ0178

在线出版日期：2019-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3040-3045