基于耦合特征空间下改进字典学习的图像超分辨率重建
2016-09-02杨福猛常乐乐
电子学报 2016年5期
关键词:方法
詹 曙,方 琪,杨福猛,常乐乐,闫 婷
(1.合肥工业大学计算机与信息学院,安徽合肥 230009;2.三江学院电子信息工程学院,江苏南京210012)
基于耦合特征空间下改进字典学习的图像超分辨率重建
詹曙1,方琪1,杨福猛2,常乐乐1,闫婷1
(1.合肥工业大学计算机与信息学院,安徽合肥 230009;2.三江学院电子信息工程学院,江苏南京210012)
针对目前基于字典学习的图像超分辨率重建效果欠佳或字典训练时间过长的问题,本文提出了一种耦合特征空间下改进字典学习的图像超分辨率重建算法.该算法首先利用高斯混合模型聚类算法对训练图像块进行聚类,然后使用更改字典更新方式的改进KSVD字典学习算法来快速获得高、低分辨率特征空间下字典对和映射矩阵.重建时根据测试样本与各个类别的似然概率自适应地选择最匹配的字典对和映射矩阵进行高分辨率重建.最后利用图像非局部相似性,将其与迭代反向投影算法相结合对重建后的图像进行后处理获得最佳重建效果.实验结果表明了本文方法的有效性.
超分辨率;字典学习;KSVD;稀疏表示;混合高斯模型
1 引言
图像超分辨率 (Super-Resolution,SR) 重建,一直是一个热门的研究领域,在不需要增加硬件成本的前提下显著地提高了图像的分辨率,改善了视觉效果.由于SR不需要过高的硬件要求,只需通过软件的方法来实现图像的高分辨率,因此该技术已广泛的应用在视频监控、卫星遥感、军事侦查、医学影像处理等领域.
在不考虑……
登录APP查看全文
