基于多尺度局部自相似性和邻域嵌入的超分辨率算法研究.PDFVIP

２０１５年１２月 西 北 工 业 大 学 学 报 Ｄｅｃ． ２０１５ 第３３卷第６期 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３３ Ｎｏ．６ 基于多尺度局部自相似性和邻域嵌入的 超分辨率算法研究 潘璐璐，延伟东，郑红婵 （西北工业大学 理学院应用数学系，陕西 西安　 ７１０１２９） 摘　 要：多尺度局部自相似性是指同一幅图像中存在相同尺度或不同尺度的相似子块，这种图像局部 结构自相似性广泛存在于自然图像中。 提出了一种基于多尺度局部自相似性结合邻域嵌入的单幅图 像超分辨率算法，该算法不依赖于外界图像，仅仅在原始图像的局部子窗口中搜索目标图像块的相似 子块，并结合邻域嵌入算法，进一步提高参与重建的图像块与目标图像块的相似性程度。 实验结果表 明，与双三次插值与传统邻域嵌入算法相比，新算法在保证算法效率的前提下，能有效提升超分辨图 像的重建质量。 关　 键　 词：数据库系统；效率；嵌入式软件；误差；实验；滤波器；图像重构；数学运算符；ＭＡＴＬＡＢ； 光学分解功率；像素；局部自相似性；多尺度；邻域嵌入；超分辨率 中图分类号：ＴＰ３９１９　 　 　 文献标志码：Ａ　 　 　 文章编号：１０００⁃２７５８（２０１５）０６⁃１０１４⁃０６ 　 　 超分辨率（ＳＲ）图像重建是指用图像处理的方 比较大时，超分辨图像的质量不能令人满意，会出现 法，通过软件算法的方式将低分辨率（ＬＲ）图像转换 图像细节信息丢失，边缘模糊等情况。 ［４⁃１３］ 成高分辨率（ＨＲ）图像的技术。 它在医学诊断、模 基于学习的方法 借助机器学习，通过学习 式识别、视频监控、生物鉴别、高清晰电视成像、遥感 低分辨与高分辨图像之间的映射关系，预测低分辨 图像解译、高空对地观测等领域有着广泛的应用。 图像中丢失的高频细节信息，从而生成超分辨图像。 现有的图像超分辨技术大体可分为３类：基于 这种方法由于其现有和潜在的诸多优点，近年来受 ［６］ 插值的方法、基于重构的方法和基于学习的方法。 到了专家和学者的广泛关注。 Ｆｒｅｅｍａｎ等人 使用 ［１］ 基于插值的方法 是图像超分辨技术早期研 马尔科夫随机场（ＭＲＦ）模型，利用图像局部区域的 究的一类主要方法，如双线性插值、双三次插值等， 兼容关系来选择合适的高分辨率图像块，继而生成 ［１２］ 它通过设计具有局部平滑性的插值核函数估计高分 超分辨率图像。 其后，Ｓｕｎ等人 在Ｆｒｅｅｍａｎ方法 辨图像网格上的未知像素值，从而达到增加图像分 的基础上，提出了利用图像的初始简图先验增强图 ［１３］ 辨率的目的。 基于插值的方法优点在于简单、快速， 像边缘的方法；Ｗａｎｇ 等人 将全局重构约束与局 便于实时应用；其缺点在于不能有效恢复低分辨图 部块的细节合成方法组合到一个统一的概率框架 像中丢失的高频信息，容易导致图像模糊，满足不了 下，通过退火 Ｇｉｂｂｓ 采样算法生成超分辨率图像。 实际应用要求。 但是，这些方法需要一个庞大的训