端木春江 戚河平

摘 要：为提高图像清晰度，文中提出一种基于稀疏表示的图像超分辨率重建算法。首先将训练集图像进行连续三次90°旋转，其次对原图和三幅旋转后的图像进行翻转，从而将训练集扩大为原来的八倍。再使用锐度测量指标将训练集分成三类，接着分别使用K-SVD算法联合训练出三个子字典对，最后使用稀疏重建算法重建出清晰的超分辨率图像。实验表明，改进的稀疏重建算法相较于经典的稀疏重建算法，重建效果显著提升。

关键字：超分辨率；图像重建算法；扩大训练集；训练样本分类；多字典对

中图分类号：TP273 文献标识码：A 文章编号：2095-1302（2018）08-0-04

0 引 言

图像超分辨率（Super Resolution，SR）是指使用一幅低分辨率图像或多幅低分辨率图像序列恢复出高分辨率图像的过程。随着信息技术和视觉通信技术的发展，人们对于图像清晰度要求越来越高。单纯从硬件方面提高图像清晰度不仅成本较高且技术上也达到一定的瓶颈。从软件方面提高图像分辨率，一定程度上克服了硬件不足的问题。因此，近年来图像超分辨率重建成为研究热点之一。

超分辨率重建算法大体上可分为三类[1]：基于插值的算法、基于重建的算法和基于学习的图像超分辨率重建。基于插值的算法是利用当前待插值点周围已知的像素值来估计当前位置的像素值，实现图像放大[2]。典型的包括最近邻插值（Nearest）、双线性插值（Bi-linear）和双三次插值（Bi-cubic）等[3]。基于重建的算法在获得高分辨率图像时，将图像的先验知识如平滑先验、重建先验等作为约束条件[4]。……