基于双层混合字典学习的图像超分辨率复原.pdfVIP

38 卷 3 期 燕山大学学报 Vol. 38 No. 3 20 14 5 Journal of Yanshan University May 2014 年 月 文章编号：1007-791X (2014) 03-0233-05 基于双层混合字典学习的图像超分辨率复原 * 李志全，马 莹，郭士亮，王志斌 （燕山大学 电气工程学院，河北 秦皇岛 066004 ） 摘 要：提出了一种新的字典学习法用于图像的超分辨率复原，即双层混合字典。其中，第一层字典采用半耦 合字典，确保了复原过程的灵活性和准确性，并结合稀疏表示算法得到第一层复原图像；为了不影响算法的整 体运算速 ， 二层字典采用分类字典，并利用原始图像与第一层复原图像的差值作为高分辨率样本，以便能 恢复更多的高频细节。实验结果表明，本算法与传统的基于单一字典的图像超分辨率算法相比，无论是在视觉 PSNR 效果上，还是峰值信噪比 （ ）指标，都取得了更为理想的效果，有效地改善了降质图像的质量。 关键词：字典学习；超分辨率；稀疏表示；双层混合 中图分类号：TP391.4 文献标志码：A DOI：10.3969/j .issn.1007-791X .2014.03.008 然后由低分辨率图像块和低分辨率字典获得低分 0 引言 辨率稀疏表示系数，由于高分辨率图像块与低分辨 图像超分辨率复原是一种改善图像质量的技 率图像块具有相同的稀疏系数，进而利用低分辨率 术，其目的是使退化的图像尽可能的恢复到原来的 系数与高分辨率字典重构得到高分辨率图像块，最 真实面貌。目前，图像的超分辨率重建的主流方法 后获得复原图像。Zeyde 在Yang 的基础上提出利 K-SVD [7] [8] 3 用 算法 训练高、低分辨率字典对 ，大 大致可分为 类，分别为插值法、重建法、学习 [1] 大缩短了计算时间。Wang 等人提出训练高、低分 法。插值法 的实现最为简单，适于实时应用，但 [9] 是高频细节信息大量丢失，重建效果比较模糊，而 辨率图像块及其之间的映射关系构造半耦合字典 ， [2-3] 使重建图像的质量大大的改善。 且边缘锯齿现象较为严重。重建法 在一定程 上减少了锯齿效应，但是其需要有合理的先验假设 为了进一步提高重建图像的质量，本文在 来保持边缘的平滑性，且数据量较大，算法复杂 Wang 的半耦合字典学习算法 (SCDL) 的基础上， 高。学习法[4- 12] 通过预先训练一些相互对应的高、 提出构造双层混合字典，进行超分辨率的重建，尽 低分辨率样本，学习它们之间的关系，来恢复更多 可能恢复更多的图像高频细节。 的细节信息。