基于几何字典学习和耦合约束的超分辨率重建
2015-04-04莫建文曾儿孟
莫建文,曾儿孟,张 彤,袁 华
基于几何字典学习和耦合约束的超分辨率重建
莫建文1,曾儿孟1,张 彤2,袁 华1
(1. 桂林电子科技大学 信息与通信学院,广西 桂林 541004;2. 桂林电子科技大学 机电工程学院,广西 桂林 541004)
传统的基于稀疏表示的超分辨率重建算法对所有图像块,应用单一冗余字典表示而不能反映不同几何结构类型图像块间的区别。针对这一问题,本文探索图像局部几何结构特性,提出一种基于结构特性聚类的几何字典学习和耦合约束的超分辨率重建方法。该方法首先对训练样本图像块进行几何特性聚类,然后应用K-SVD算法为每个聚类块联合训练得到高低分辨率字典。此外,在重建过程中引入局部可控核回归和非局部相似性耦合约束,以提高重建图像质量。实验结果表明,与单一字典超分辨率算法相比,本文方法重建图像边缘和细节部分明显改善,评价参数较大提高。
几何聚类;字典学习;稀疏表示;局部可控核回归;非局部相似
0 引言
图像超分辨率(Super-Resolution,SR)技术是指利用硬件或者软件方法,从一幅或者一组低分辨率(Low-Resolution,LR)重建相同场景高分辨率图像(High-Resolution,HR)的过程。因其能最大限度恢复图像中丢失的高频细节信息,该技术在医学图像、卫星图像和监控图像领域有广泛的应用[1]。在软件研究领域,与传统的基于插值方法[2]和基于重建方法[3]相比,基于学习方法[4-8]重建图像质量更优,所以大多数学者的研究都建立在该方法之上。
为了获得可靠的HR图像,Yang等[4-5]应用稀疏表示算法,利用高低分辨率图像块之间的对应关系,提出了耦合字典训练思想,即同时训练生成出高分辨率冗余字典h和低分辨率冗余字典l,保证了高低分辨率图像稀疏表示系数的一致性。……
