仪器仪表学报
儀器儀錶學報
의기의표학보
CHINESE JOURNAL OF SCIENTIFIC INSTRUMENT
2013年
8期
1690-1695
,共6页
超分辨率%字典学习%稀疏表示%图像重构
超分辨率%字典學習%稀疏錶示%圖像重構
초분변솔%자전학습%희소표시%도상중구
super-resolution%dictionary learning%sparse representation%image reconstruction
提出了一种基于内容的双字典学习和稀疏分解结合起来的算法.针对待复原图像内容间的差异性,将训练图像块采用聚类的方法得到多个分类式的字典,从中选择最合适的内容分类来进行图像的恢复,这样做使算法更具区分性,提升了图像的自适应能力.在此基础上,将高频信息分为主要高频和次要高频,并训练双重字典,结合稀疏表示的方法对图像进行重构,这比传统的基于字典学习的算法捕获了更多的图像高频信息,进一步提升了图像重构的质量.方法采用了K-SVD算法以提高稀疏字典编码的计算效率.与其他方法相比,该算法获得了更为精细的图像细节,在PSNR测试数据和主观视觉上都获得了理想的提升.
提齣瞭一種基于內容的雙字典學習和稀疏分解結閤起來的算法.針對待複原圖像內容間的差異性,將訓練圖像塊採用聚類的方法得到多箇分類式的字典,從中選擇最閤適的內容分類來進行圖像的恢複,這樣做使算法更具區分性,提升瞭圖像的自適應能力.在此基礎上,將高頻信息分為主要高頻和次要高頻,併訓練雙重字典,結閤稀疏錶示的方法對圖像進行重構,這比傳統的基于字典學習的算法捕穫瞭更多的圖像高頻信息,進一步提升瞭圖像重構的質量.方法採用瞭K-SVD算法以提高稀疏字典編碼的計算效率.與其他方法相比,該算法穫得瞭更為精細的圖像細節,在PSNR測試數據和主觀視覺上都穫得瞭理想的提升.
제출료일충기우내용적쌍자전학습화희소분해결합기래적산법.침대대복원도상내용간적차이성,장훈련도상괴채용취류적방법득도다개분류식적자전,종중선택최합괄적내용분류래진행도상적회복,저양주사산법경구구분성,제승료도상적자괄응능력.재차기출상,장고빈신식분위주요고빈화차요고빈,병훈련쌍중자전,결합희소표시적방법대도상진행중구,저비전통적기우자전학습적산법포획료경다적도상고빈신식,진일보제승료도상중구적질량.방법채용료K-SVD산법이제고희소자전편마적계산효솔.여기타방법상비,해산법획득료경위정세적도상세절,재PSNR측시수거화주관시각상도획득료이상적제승.