周 琳，杨 娜



基于离线双字典学习算法的图像超分辨率重建研究

周 琳，杨 娜

（河南牧业经济学院，河南 郑州 450045）

为了提高图像超分辨率重建的质量，采用离线双字典学习算法。首先图像块建立字典稀疏模型，确定字典中原子数量；然后使用基于离线字典学习对图像稀疏编码，同时把稀疏编码统一到一个框架中进行优化编码；接着对字典进行分解多个子字典，将图像块中像素点的列向量在子字典展开；最后双字典与超分辨率重构中不同分辨率的异构数据进行同构化，确定控制残差条件，给出了算法实现过程。实验仿真显示本文算法重建效果清楚，峰值信噪比最大，BIQI最小。

离线双字典；超分辨率重建；稀疏；控制残差

0 引言

图像在成像过程中受到噪声的污染，其成像为低分辨率的图像，但是现实需要高清的图像，因此需要将一幅或者多幅低分辨率图像合成出高分辨率图像，提供图像细节信息，在视频监控、成像技术、遥感图像等领域有着广泛的应用前景[1-3]。

基于字典学习的图像超分辨率重建算法有：Jianchao Yang的基于L1范数优化的联合字典学习算法（Combine Dictionary Learning，CDL），通过联合正交基来构成字典[4]，但是算法对大系数的稀疏信号重建还不够准确；基于耦合学习超完备字典方法（Couple Overcomplete Dictionary Learning，CODL），通过超完备字典中的冗余基取代传统字典中的正交基[5]，但建立字典对的过程繁琐，字典样本的选取对重构有一定影响；Roman Zeyde的基于低分辨率字典学习的高分辨率字典数值计算方法（High Resolution Numerical Base on Low Resolution Dictionary Learning，HRBLRDL），字典原子能够包含图像的降质信息[6]，但是对强模糊退化图像的超分辨率能力有限；……