基于双层混合字典学习的图像超分辨率复原

• 作 者: 李志全 马莹 郭士亮 王志斌
• 机 构: 燕山大学电气工程学院
• 出 处: 燕山大学学报
• 发表日期: 2014年03期
• 关键词: 字典学习 超分辨率 稀疏表示 双层混合 dictionary learning super-resolution sparse representation d
• 基金项目: 国家自然科学基金资助项目（61107039）

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度,第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,无论是在视觉效果上,还是峰值信噪比(PSNR)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。