基于稀疏编码和各向异性滤波的超分辨率重建
2020年信息技术与网络安全第3期
伏伶丽，任超，何小海,吴晓红
(四川大学 电子信息学院，四川 成都 610065)
摘要： 针对基于非局部稀疏自相似性的超分辨率重建方法存在的图像边缘保持性能不佳的问题，提出了一种基于稀疏编码和各向异性滤波的超分辨率重建算法。该算法利用卷积神经网络和各向异性引导滤波训练了一个各向异性特征模型，然后利用该特征模型构建一个局部的结构先验，以和非局部稀疏先验形成互补，从而提高算法的边缘保持能力。该算法训练后的模式使用通用测试集进行测试，测试结果表明算法SR性能较好，能很好地保持边缘细节，提供视觉效果更好的图像。
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(wǎng)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(wǎng)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(huán)境和傳輸環(huán)境影響了數(shù)字圖像的質(zhì)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(zhì)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(nèi)容請下載：http://www.tom3567.com/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(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。