自适应邻域选取的邻域嵌入超分辨率重建算法

摘要：

在邻域嵌入超分辨率重建算法中，训练和重建过程均在特征空间进行的，因此，特征选择对算法的性能具有较大的影响。另外，大多数基于邻域嵌入算法对训练得到的样本库未经测试直接使用，使得邻域选择具有“盲目”性。考虑到特征选择的重要性以及避免邻域选择的盲目性，本文提出了一种新的邻域嵌入超分辨率重建算法。第一步：利用专家矢量场模型估计出输入图像的全局图像；第二步：利用邻域嵌入算法重建残差图像。在重建残差图像的过程中，首先将图像分成若干子块并利用线性滤波器提取特征；然后，将训练图像分成两组，第一组训练得到高、低分辨率重建样本库，第二组对重建样本库测试，得到邻域选择库；最后，自适应的选择输入图像子块的邻域数目，并利用重建样本库重建。仿真实验结果表明，相比其他基于邻域嵌入算法，提出算法可以重建更多的细节信息和锐利的边缘，重建得到的高分辨率图像具有较高的主客观质量。

关键词：超分辨率重建、邻域嵌入、专家矢量场、邻域选择库

分类号：TN911.73

资助基金：国家自然科学基金61071091，61071166，60802021；江苏省研究生培养创新工程CXZZ12＿0470，CXLX12＿0474资助课题；江苏省自然科学青年基金BK20130867；江苏省高校自然科学研究项目12KJB510019；南京邮电大学校科研基金NY212015

在线出版日期：2015-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：8-16