基于稀疏編碼和各向異性濾波的超分辨率重建
2020年信息技術與網絡安全第3期
伏伶麗，任超，何小海,吳曉紅
(四川大學 電子信息學院，四川 成都 610065)
摘要： 針對基于非局部稀疏自相似性的超分辨率重建方法存在的圖像邊緣保持性能不佳的問題，提出了一種基于稀疏編碼和各向異性濾波的超分辨率重建算法。該算法利用卷積神經網絡和各向異性引導濾波訓練了一個各向異性特征模型，然后利用該特征模型構建一個局部的結構先驗，以和非局部稀疏先驗形成互補，從而提高算法的邊緣保持能力。該算法訓練后的模式使用通用測試集進行測試，測試結果表明算法SR性能較好，能很好地保持邊緣細節，提供視覺效果更好的圖像。
中圖分類號：TP391
文獻標識碼：A
DOI： 10.19358/j.issn.2096-5133.2020.03.005
引用格式：伏伶麗，任超，何小海,等基于稀疏編碼和各向異性濾波的超分辨率重建［J］.信息技術與網絡安全，2020,39（3）：23-28.
文獻標識碼：A
DOI： 10.19358/j.issn.2096-5133.2020.03.005
引用格式：伏伶麗，任超，何小海,等基于稀疏編碼和各向異性濾波的超分辨率重建［J］.信息技術與網絡安全，2020,39（3）：23-28.
Super-esolution reconstruction based on sparse coding and anisotropic filtering
Fu Lingli，Ren Chao，He Xiaohai，Wu Xiaohong
(College of Electronics and Information Engineering，Sichuan University,Chengdu 610065,China)
Abstract： To solve the problem of poor edgepreserving performance in the nonlocal sparsebased superresolution reconstruction method,the algorithm based on sparse coding and anisotropic filtering is proposed.Specifically，an anisotropic feature model is trained by the convolution neural network and anisotropic guided filtering,and then a local structure prior is constructed by using the feature model to complement the nonlocal sparse prior,and thus improves the edge preserving ability of the algorithm.The trained model of this algorithm is tested with the general test data.The experimental results demonstrate that the proposed algorithm effectively improves the edgepreserving performance,and obtains higher objective evaluation indices and images with better visual effect.
Key words : sparse coding;anisotropic guided filtering;super-resolution reconstruction;convolutional neural network
0 引言
圖像含有大量的、生動的、直觀的信息，是人們感知外界信息的主要載體。然而，成像設備、成像環境和傳輸環境影響了數字圖像的質量，使得我們得到的圖像是低分辨(Low Resolution,LR)圖像。為了滿足人們對高質量圖像的需求，圖像超分辨率(Super Resolution,SR)重建技術被眾多研究學者提出。圖像SR重建是一種利用一幅或多幅LR圖像，重建出單幅高分辨率(High Resolution,HR)圖像的技術，該技術能使因圖像退化過程中模糊、噪聲等造成的LR圖像的分辨率得到顯著的提高。
本文詳細內容請下載：http://m.rjjo.cn/resource/share/2000003170
作者信息：
伏伶麗，任超，何小海,吳曉紅
(四川大學 電子信息學院，四川 成都 610065)
此內容為AET網站原創，未經授權禁止轉載。