基于自适应多字典对的超分辨率复原算法

• 作者: 易清明 白洋 石敏
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 稀疏表示 超分辨率 样本聚类 字典对 字典训练
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 604-610
• 页数: 7页
• 分类号: TP391
• 字数: 4770字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1410003

摘要

最近，双字典训练已成为在计算机视觉和图像领域解决超分辨率复原问题的有力工具。针对基于双字典训练的图像超分辨率算法中字典训练与重构阶段的重构误差，提出了一种基于自适应多字典对的超分辨<br>　　率复原算法。通过对样本进行聚类并训练多特征字典来适应不同类型的输入图像。在字典训练阶段，充分利用了不同次训练字典产生的差异，在重建中筛选高频补丁，进行多次重构，有效地提升了重构图像的质量。实验仿真与比较表明，该方法在重构图像的质量上有所提高，且能提供更清晰的细节。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石敏	暨南大学信息科学技术学院	37	149	7.0	10.0
2	易清明	暨南大学信息科学技术学院	65	288	9.0	13.0
3	白洋	暨南大学信息科学技术学院	2	5	1.0	2.0