基于深度学习特征字典的单帧图像超分辨率重建

• 作者: 孙权森 张泽林 赵丽玲
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 深度学习 字典学习 超分辨 深层次特征提取 单帧图像
• 年，卷（期）: 2018,（4）
• 页码范围: 740-750
• 页数: 11页
• 分类号: TP391
• 字数: 6241字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.04.018

摘要

在基于字典的单帧图像超分辨率重建算法中,依赖人工浅层特征设计的字典表达图像特征能力有限.为此,提出基于深度学习特征字典的超分辨重建方法.该算法首先利用深度网络进行高、低分辨率训练样本图像深层次特征学习;然后,在稀疏字典超分辨框架下联合训练特征字典;最后,输入单帧低分辨率图像并利用该字典实现超分辨率重建.理论分析表明,引入深度网络提取图像深层次特征并用于字典训练,对低分辨率图像的高频信息补充更加有利.实验证明,与双三次插值以及基于一般人工特征字典的超分辨重建算法相比,本文算法的主观视觉和客观评价指标均高于对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙权森	南京理工大学计算机科学与工程学院	112	1385	19.0	32.0
2	张泽林	南京信息工程大学信息与控制学院	4	13	2.0	3.0
3	赵丽玲	南京理工大学计算机科学与工程学院	4	8	2.0	2.0