陈跃辉，黄　淼

(1．内江职业技术学院，四川 内江 641000；2．平顶山学院 软件学院，河南 平顶山 467000)



基于BBT的邻域嵌入单帧图像超分辨率算法

陈跃辉1，黄淼2

(1．内江职业技术学院，四川 内江 641000；2．平顶山学院 软件学院，河南 平顶山 467000)

摘要:为了更好地解决基于学习的超分辨率算法的邻域嵌入问题，提出了一种使用k最近邻和平衡二叉树的邻域嵌入算法，该算法分为训练阶段和测试阶段。训练阶段，构建HR图像块、LR图像块的映射和平衡二叉树。测试阶段，首先将输入的去噪LR图像分离高频成分；然后训练LR特征空间，利用k最近邻寻找LR图像对应的HR图像块；最后通过高斯加权重建HR图像块，并与先前分离的高频成分合并。实验采用峰值信噪比(PSNR)、结构相似性度量(SSIM)和特征相似性度量(FSIM)评估算法的效果。从实验数据可以看出，提出的算法具有最高的PSNR值，SSIM值和FSIM值在大多数情况下高于其他算法，SSIM最高可达0.95，FSIM最高可达0.94。从实验结果图像可以看出，该算法的纹理保留得最好，图像自然丰富。此外，实验结果表明，该算法对高斯模糊和高斯噪声的鲁棒性也优于其他算法。

关键词:超分辨率重建；k最近邻；平衡二叉树；高斯加权；邻域嵌入；鲁棒性

超分辨率(Super-Resolution，SR)[1]技术主要通过非硬件方法提高图像的分辨率，给用户更多的图像细节和更高的分辨率，SR技术在发展的三十多年里一直是机器视觉等交叉学科领域的热门研究课题[2-3]。虽然高清摄像头的使用比几年前有较大的普及，但摄像环境和天气经常影响成像的质量，利用复杂的传感器设备获得高分辨率(High Resolution，HR)图像很难大面积推广，而硬件上提高成像分辨率的代价过于昂贵，经验表明，利用软件提高分辨率是行之有效的方法[4]。……