增强的单幅图像自学习超分辨方法

摘要：

针对图像超分辨率方法构建图像块的稀疏表示(SR)系数存在的主要问题,利用加权思想提出一种增强的单幅图像自学习超分辨方法.首先,通过自学习建立高低分辨率图像金字塔;然后,分别提取低分辨率图像的图像块特征和对应高分辨率图像块的中心像素,并给图像块中不同像素点赋予不同的权重,强调中心像素点在构建图像块稀疏系数时的作用;最后,结合SR理论和支持向量回归(SVR)技术建立超分辨率图像重建模型.实验结果表明,与单幅图像自学习超分辨率方法(SLSR)相比,所提方法的峰值信噪比(PSNR)平均提高了0.39dB,无参考图像质量评价标准(BRISQUE)分数平均降低了9.7.从主观视角和客观数值证明了所提超分辨率方法更有效.

关键词： 单幅图像 自学习超分辨算法 稀疏表示 支持向量机 权重系数

作者: 黄凤 王晓明

作者单位: 西华大学 计算机与软件工程学院,成都610039 西华大学 计算机与软件工程学院,成都610039;西华大学机器人研究中心,成都610039

会议类型: 国内会议

会议名称: 第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)

会议地点: 合肥

会议语种:中文

页码: 2636-2642,2699

在线出版日期: 2017-05-26（万方平台首次上网日期，不代表论文的发表时间）