改进的单幅图像自学习超分辨率重建方法

• 作者: 刘少鹏 徐涛 王晓明 黄凤
• 来源期刊: 计算机应用研究
• 关键词: 单幅图像超分辨率 L2范数 协作表示 支持向量回归
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2534-2538
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.02.0184

摘要

针对传统超分辨率重建方法稀疏表示依赖大训练样本字典的局限性问题,基于L2范数的弱稀疏性特点,提出一种改进的单幅图像自学习超分辨率重建方法.通过自学习建立非金字塔阶梯式训练图像集,采用自定义的方法分别提取训练集中低分辨率和相应高分辨率图像特征块及特征像素值;结合L2范数的协作表示(collaborative representation,CR)理论和支持向量回归(support vector regression,SVR)技术学习多层超分辨率映射模型.实验结果表明,提出的超分辨率方法不仅可行有效,而且与传统的单幅图像的超分辨率方法比较,其PSNR平均提高了0.06～3.92 dB,SSIM平均提高了0.002 4～0.034 8,从客观数值和主观视觉证明了所提方法的优秀性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐涛	西华大学计算机与软件工程学院	13	116	5.0	10.0
2	王晓明	西华大学计算机与软件工程学院	20	21	3.0	3.0
6	黄凤	西华大学计算机与软件工程学院	5	9	2.0	3.0
7	刘少鹏	西华大学计算机与软件工程学院	2	4	1.0	2.0