CAJ | 학술논문

对基于学习的领域嵌套超分辨率重建方法进行了有效改进,提出了一种基于分类预测器以及退化模型的图像超分辨率重建技术.首先,利用退化模型得到图像训练集,并基于邻域嵌套进行分块；其次,根据图像各自特点提取灰度和梯度特征,并进行特征融合,从而实现了训练过程中噪声信息的有效抑制及图像中边缘信息的锐化；然后,引入分类预测器的思想,设计了一种离线的分类预测器,对预测器进行离线训练,得出优化参数,从而大幅度减少了优化时间；最后,利用L2范数对低分辨率图像分块进行分类,将分块送入相应子预测器中进行快速超分辨率重建.实验结果表明,该算法具有良好的实时性和有效性.
대기우학습적영역감투초분변솔중건방법진행료유효개진,제출료일충기우분류예측기이급퇴화모형적도상초분변솔중건기술.수선,이용퇴화모형득도도상훈련집,병기우린역감투진행분괴；기차,근거도상각자특점제취회도화제도특정,병진행특정융합,종이실현료훈련과정중조성신식적유효억제급도상중변연신식적예화；연후,인입분류예측기적사상,설계료일충리선적분류예측기,대예측기진행리선훈련,득출우화삼수,종이대폭도감소료우화시간；최후,이용L2범수대저분변솔도상분괴진행분류,장분괴송입상응자예측기중진행쾌속초분변솔중건.실험결과표명,해산법구유량호적실시성화유효성.