现代计算机(专业版)
現代計算機(專業版)
현대계산궤(전업판)
MODERN COMPUTER
2014年
6期
35-39,44
,共6页
稀疏表示%图像超分辨率%多成分字典
稀疏錶示%圖像超分辨率%多成分字典
희소표시%도상초분변솔%다성분자전
Sparse Representation%Image Super-Resolution%Multiple Component-Dictionary
针对单幅低分辨率灰度图像,提出一种基于稀疏表示和多成分字典学习的超分辨率重建算法。对于输入的低分辨率图像,通过训练两个字典,并根据每一个图像块在高分辨率字典上的稀疏表示产生高分辨率图像输出。为了提高重建图像的质量,对稀疏字典设计方法进行改进,采用K-SVD方法对图像进行MCA分层,提取出图像中的Texture和Cartoon部分,用于字典的学习和超分辨率的重建。仿真实验结果表明,改进的算法在图像信噪比上有所提高。
針對單幅低分辨率灰度圖像,提齣一種基于稀疏錶示和多成分字典學習的超分辨率重建算法。對于輸入的低分辨率圖像,通過訓練兩箇字典,併根據每一箇圖像塊在高分辨率字典上的稀疏錶示產生高分辨率圖像輸齣。為瞭提高重建圖像的質量,對稀疏字典設計方法進行改進,採用K-SVD方法對圖像進行MCA分層,提取齣圖像中的Texture和Cartoon部分,用于字典的學習和超分辨率的重建。倣真實驗結果錶明,改進的算法在圖像信譟比上有所提高。
침대단폭저분변솔회도도상,제출일충기우희소표시화다성분자전학습적초분변솔중건산법。대우수입적저분변솔도상,통과훈련량개자전,병근거매일개도상괴재고분변솔자전상적희소표시산생고분변솔도상수출。위료제고중건도상적질량,대희소자전설계방법진행개진,채용K-SVD방법대도상진행MCA분층,제취출도상중적Texture화Cartoon부분,용우자전적학습화초분변솔적중건。방진실험결과표명,개진적산법재도상신조비상유소제고。
Proposes a super-resolution reconstruction approach of single gray image based on sparse representation and multi component-dictionary learning. For each patch of the low-resolution input image, considers a sparse representation to train two dictionaries and then uses the coefficients of this representation to generate the high-resolution output image. In order to improve the quality of the reconstructed image, improves the design method of the sparse dictionary using the method of K-SVD layered image in MCA to extract the components of Tex-ture and Cartoon in the image for dictionary learning and super-resolution reconstruction. The results of simulation experiment show that the method leads to an improvement in PSNR.