基于贝塔过程联合字典学习的图像超分辨重建

• 作者: 巫红 朱福珍 白鸿一 邹丹妮
• 来源期刊: 高技术通讯
• 关键词: 图像超分辨重建(SRR) 稀疏表示 字典学习 贝塔过程 吉布斯采样
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 625-631
• 页数: 7页
• 字数: 5069字
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2019.07.001

摘要

为了提高图像超分辨效果,针对以往稀疏字典超分辨算法仅适用于单特征空间的问题,提出基于贝塔过程联合字典学习(BPJDL)的图像超分辨重建(SRR)方法.首先,根据图像退化模型生成训练样本图像,分别对高、低分辨率图像进行7×7分块,并利用吉布斯采样对图像块进行采样,生成字典训练样本.然后,依据贝塔过程先验模型,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典稀疏系数分解为系数权值和字典原子的乘积,通过训练和更新字典,得到同时适用于两个特征空间的字典映射矩阵.最后,进行图像超分辨稀疏重构.实验结果表明:本文方法能以更小尺寸的稀疏字典重建超分辨图像,与当前最先进的稀疏表示超分辨算法相比,结果图像主观视觉上纹理细节信息更丰富,客观评价参数峰值信噪比(PSNR)提高约1.5 dB,结构相似性(SSIM)提高约0.02,超分辨重建时间降低约50 s.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱福珍	黑龙江大学电子工程学院	16	31	4.0	5.0
2	白鸿一	黑龙江大学电子工程学院	2	4	1.0	2.0
3	巫红	黑龙江大学电子工程学院	8	78	4.0	8.0
4	邹丹妮	东北大学计算机科学与工程学院	2	0	0.0	0.0