基于 MCA 分解和样本聚类的超分辨率算法

• 作者: 梁婉文 石敏 赵新中 陶永耀
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 超分辨率 稀疏表示 MCA分解 样本聚类
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 【理论与算法】
• 页码范围: 57-60
• 页数: 4页
• 分类号: TP3
• 字数: 3183字
• 语种: 中文

摘要

针对SCSR（sparse coding sparse representation ）算法采用通用的过完备字典无法表征多种结构类型的图像以及全局稀疏重构引入过多冗余这2个缺点，提出了基于MCA（morphological component analysis）分解和样本聚类的超分辨率算法。本算法首先采用K-means方法对待训练特征块进行聚类，得到多特征字典对来处理不同类型的低分辨率图像。然后在重构阶段，采用MCA方法提取图像的纹理成分进行稀疏重构，对平滑成分进行插值放大。实验结果表明与其他先进的算法相比，该算法能够更好地恢复图像的边缘细节，重构质量更好。

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	陶永耀		1	5	1.0	1.0
3	赵新中		1	5	1.0	1.0
4	梁婉文	暨南大学信息科学技术学院	1	5	1.0	1.0