基于贝塔过程联合字典学习的图像超分辨重建

摘要：

为了提高图像超分辨效果,针对以往稀疏字典超分辨算法仅适用于单特征空间的问题,提出基于贝塔过程联合字典学习(BPJDL)的图像超分辨重建(SRR)方法.首先,根据图像退化模型生成训练样本图像,分别对高、低分辨率图像进行7×7分块,并利用吉布斯采样对图像块进行采样,生成字典训练样本.然后,依据贝塔过程先验模型,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典稀疏系数分解为系数权值和字典原子的乘积,通过训练和更新字典,得到同时适用于两个特征空间的字典映射矩阵.最后,进行图像超分辨稀疏重构.实验结果表明:本文方法能以更小尺寸的稀疏字典重建超分辨图像,与当前最先进的稀疏表示超分辨算法相比,结果图像主观视觉上纹理细节信息更丰富,客观评价参数峰值信噪比(PSNR)提高约1.5 dB,结构相似性(SSIM)提高约0.02,超分辨重建时间降低约50 s.

关键词：图像超分辨重建(SRR)、稀疏表示、字典学习、贝塔过程、吉布斯采样

所属期刊栏目：29

资助基金：国家自然科学基金61601174;黑龙江省博士后科研启动金项目LBH-Q17150;黑龙江省普通高等学校电子工程重点实验室黑龙江大学开放课题,省高校科技创新团队课题2012TD007;黑龙江省省属高等学校基本科研业务费基础研究项目KJCXZD201703;黑龙江省自然科学基金F2018026

在线出版日期：2019-08-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：625-631