基于K-SVD的自适应选择字典的超分辨率重建算法∗
2017-06-05
计算机与数字工程 2017年5期
关键词:方法
基于K-SVD的自适应选择字典的超分辨率重建算法∗
薛冰王春兴
(山东师范大学济南250358)
超分辨率技术是由低分辨率图像复原出高分辨率图像的技术,在计算机视觉系统中发挥重要的作用。针对传统基于学习算法的不足,提出一种基于K-SVD的自适应选择字典的超分辨率重建算法。该方法基于稀疏超分辨率模型,利用图像相似性和冗余特性,并结合图像金字塔结构,采用低分辨率图像本身来训练高、低分辨率字典对。同时在稀疏重构时应用正则正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)提高重构的精度和速度;最后利用人眼的视觉特性,采用一种自适应选择字典的算法,提高了重建的效率。实验结果表明,与传统的超分辨率算法相比,该算法不但有更高的峰值信噪比(Peak Signal to Noise Ratio,PSNR)结构相似性(Structural Similarity,SSIM),且计算速度更快。
图像超分辨率;稀疏字典;图像金字塔
Class NumberTP301.6
1 引言
图像超分辨率重建技术[1~2]就是采用信号处理技术,从单帧或多帧低分辨率图像中估计出质量较好的高分辨率图像。该技术广泛应用于高清数字电视、卫星成像、公共安全和医学成像等领域。目前,图像的超分辨率算法包括:基于插值的算法、基于重建的算法[3~4]和基于学习的算法。基于插值的方法最直观且算法简单易行,可用于并行计算,但高频细节损失明显,从而造成图像模糊。基于重建的方法利用图像的降质模型,引入不同的先验信息来重建图像,虽然重建结果保留了更多图像细节,但当分辨率提升要求较高(4倍以上)时,先验假设存在较大误差,造成获取的亚像素运动信息不准确,重建效果一般不理想。……
登录APP查看全文
