稀疏字典编码的超分辨率重建

摘要：

基于学习的超分辨率方法通常根据低分辨率图像从样本库中选取若干特征相似的匹配对象,再使用优化算法进行超分辨率估计,但其结果受匹配对象的质量限制,并且匹配特征一般只选择图像的几何结构信息,匹配准确性较低.提出了稀疏字典编码的超分辨率模型,将高、低分辨率图像特征块统一进行稀疏编码,建立高、低分辨率图像的稀疏关联,同步实现匹配搜索和优化估计,突破了上述方法的限制.应用形态分量分析法提取图像的特征数据,提高了特征匹配的准确性,并同步实现超分辨率重建和降噪功能.优化方法采用稀疏K-SVD算法以提高稀疏字典编码的计算速度.采用自然图像进行实验与其他基于学习的超分辨率算法相比,重建所得到的图像质量更优.

关键词：超分辨率、稀疏字典、基于学习、形态分量分析、稀疏K-SVD

所属期刊栏目：34

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划9732007CB714406;中国博士后基金200902609;电子科技大学青年科技基金JX0804

在线出版日期：2012-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1315-1324