基于非局部相似性和分类半耦合字典学习的超分辨率重建

• 作者: 何宇清 杨爱萍 钟腾飞
• 来源期刊: 天津大学学报
• 学科: 工学
• 关键词: 超分辨率 半耦合字典学习 分类稀疏表示 非局部相似性
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 电子信息工程
• 页码范围: 87-94
• 页数: 8页
• 分类号: TN911.73
• 字数: 6810字
• 语种: 中文
• DOI: 10.11784/tdxbz201309026

摘要

为了提升单幅彩色图像的超分辨率重建质量，提出了一种改进的基于学习的超分辨率方法。针对半耦合字典学习超分辨率算法训练精度不高的缺陷，采用稀疏域分类与半耦合字典学习交替进行的启发式策略。在训练阶段引入稀疏域非局部相似性约束项，使用改进了的非局部约束 l1范数优化问题求解算法，训练得到多组高、低分辨率字典和映射矩阵。在重建阶段利用分类稀疏表示、非局部相似性并结合残差补偿进一步提高重建精度。实验结果表明，该方法在主观和客观评价标准下均取得了较好的重建效果，显著提升了超分辨率重建质量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨爱萍	天津大学电子信息工程学院	52	311	10.0	13.0
2	何宇清	天津大学电子信息工程学院	37	197	9.0	12.0
3	钟腾飞	天津大学电子信息工程学院	2	15	2.0	2.0