基于压缩感知和SVR的自学习单幅图像超分辨率重建
针对依靠外部图像库的超分辨率(SR)重建算法训练耗时长、容易出现错误高频细节的问题,提出了一种基于压缩感知(CS)理论和支持向量回归(SVR)的单幅图像超分辨率重建方法.对降质图像本身训练SVR模型,充分挖掘图像自身的自相似特点.训练过程中先对输入图像边缘进行检测并对图像块进行分类,然后稀疏编码图像块,再根据图像的标签向量和稀疏表示矩阵训练得到SVR模型,并在测试过程中利用该模型预测高分辨率(HR)图像.实验结果表明,与基于外部库方法重建图像的方法相比,该算法所得结果的细节更加真实;与双三次插值方法相比该算法所得结果的边缘更加清晰.
超分辨率重建、压缩感知、支持向量回归、双三次插值
44
TP391(计算技术、计算机技术)
国家自然科学基金61672462,61672463;浙江省科技计划2016C33165
2018-01-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
169-174,188