基于高频和中频信息的图像超分辨率重建.pdfVIP

第 35卷第 1期 杭 州 电子 科 技 大 学 学 报(自然科学版) VoI_35No．1 2015年 1月 JOURNAL O’HANGZHOU DIANZI UNIVERStry(NaturalSciences) Jan．2015 DOI-10．13954／j．cnki．hdu201501．010 基于高频和中频信息的图像超分辨率重建 陈伟超 ，陈华华 (杭州电子科技大学通信工程学院，浙江杭州310018) 摘要：提出一种基于图像高频和中频信息的超分辨率算法。分别将图像高频和中频作为高分辨图 像和低分辨率图像的特征，以图像 箭频和中频信息作为训练样本对，采用全局迭代收缩方法 (GISA)进行稀疏分解，获得高、中分辨率字典对。根据测试图像对应的中频信息和字典对获得图 像高频信息，结合测试图像插值放大结果 ，经非局部相似性方法处理后获得高分辨率图像。实验 结果表明，提出的方法具有较高的重建质量。 关键词：高频 ；中频；字典；超分辨率 中图分类号：TP391 文献标识码 ：A 文章编号：1001—9146(20l5)Ol一0049—04 0 引 言 图像由于模糊、下采样和噪声等因素，形成了低分辨图像。超分辨率重建是指从输入的低分辨率图像 中恢复高频信息，获得高分辨率图像的过程。插值方法是超分辨重建的一种常见方法，但插值图像边缘有 锯齿效应。迭代反向投影方法(IterativeBack—Projection，IBP)…也是一种经典超分辨率方法，但重建图像 细节并不丰富。正则化超分辨率重建的经典方法是全变分(TotalVariation，Ⅳ)j，该方法能有效地抑制 噪声，但在一些细节上会出现过平滑现象，产生一些模糊。近年来，受到压缩感知的启示，信号的稀疏特性 可以减少信号处理复杂度。文献[3]将稀疏表示理论应用于图像处理反问题中，主要研究稀疏分解复杂度 的降低问题。图像可以被字典展开成一个稀疏表达式，经典的方法是文献[4]的基于稀疏表示的图像超分 辨率方法，但是该算法的重建图像在边缘细节上不够平滑。本文提出一种基于图像高频和中频信息的超 分辨率算法。实验结果表明，本算法具有较高的重建质量，重建图像的边缘结构锐化效果较好。 1 基于高频和中频信息的图像超分辨率重建 1．1 图像高频和中频信息提取 不同频率信息在图像结构中有不同的作用。图像的主要成分是低频信息，它形成了图像的基本灰 度等级，对图像结构的决定作用较小；中频信息决定了图像的基本结构，形成了图像的主要边缘结构；高 频信息形成了图像的边缘和细节，是在中频信息上对图像内容的进一步强化 】。因此，人眼对图像的 中高频信息比较敏感，若中高频信息发生变化，那人眼能够提取的图像信息就有局限性。因而，本文将 图像的高频信息 和中频信息 作为样本对进行训练，获得对应的高、中频字典D D 。原始高分 辨率图像 与低分辨率图像y经插值放大后的图像的差值为高频信息，即 =X—Xb；插值放大后的 图像与插值放大并经低通滤波器处理后图像之间的差值为中频信息，即X =X 一6x；插值放大图像 经低通滤波器处理后的图像 为低频信息。低通滤波器咖为7X7的高斯低通滤波器，其方差为 收稿 日期 ：2014—40 —24 基金项 目：浙江省 自然科学基金资助项 目(Y1111213) 作者简介：陈伟超 (1989一)，女，浙江缙云县人 ，在读研究生，数字图像处理．通信作者：陈华华副教授 ，E．mail：iseealv@ hdu．edu．cn．