摘要:
针对目前基于稀疏表示模型的图像超分辨率重建方法对于边缘、纹理等细节信息保持能力有限、易产生视觉伪影的问题,提出了基于稀疏表示和多成分字典学习的超分辨率重建算法。在字典训练阶段,所提算法在利用图像形态分量分析方法构造纹理和结构字典的基础上,为了有效地提取低分辨率图像特征细节信息,对图像结构分量采用一阶二阶导数进行特征提取,对纹理分量采用Gabor变换进行特征提取,并使用 L1/2 范数构造训练字典模型;而在重建阶段,为了消除重建图像块效应及模糊伪影,进一步提高重建图像的质量,采用全局约束和非局部相似性约束相结合的方法对重建高分辨率图像进行优化。实验结果表明,该算法在重建图像主观和客观评价指标方面均有较好的表现。
徐志刚, 李文文, 袁飞祥, 朱红蕾, 许亚美. 基于稀疏表示和多成分字典学习的超分辨率重建[J]. 系统工程与电子技术, 2018, 40(3): 699-703.
XU Zhigang, LI Wenwen, YUAN Feixiang, ZHU Honglei, XU Yamei. Super-resolution reconstruction based on sparse representation and multicomponent dictionaries learning[J]. Systems Engineering and Electronics, 2018, 40(3): 699-703.