计算机应用

作者：向文, 张灵, 陈云华, 姬秋敏

单位：广东工业大学 计算机学院, 广州 511400

关键词：形变块,块匹配,字典学习,自相似性,组稀疏

基金：广东省自然科学基金面上项目（2016A030313703）；广东省自然科学基金资助项目（2016A030313713）；广东省科技计划项目（2016B030305002）；广东省交通运输厅科技项目（科技-2016-02-030）。

针对单幅图像超分辨率（SR）复原样本资源不足和抗噪性差的问题，提出一种基于结构自相似和形变块特征的单幅图像超分辨率算法。首先，该方法通过构建尺度模型，尽可能地扩展搜索空间，克服单幅图像超分辨率训练样本不足的缺陷；接着，通过样例块的几何形变提升了局限性的内部字典大小；最后，为了提升重建图片的抗噪性，利用组稀疏学习字典来重建图像。实验结果表明：与Bicubic、稀疏字典学习（ScSR）算法和基于卷积神经网络的超分辨率（SRCNN）等优秀字典学习算法相比，所提算法可以得到主观视觉效果更为清晰和客观评价更高的超分辨率图像，峰值信噪比（PSNR）平均约提升了0.35 dB。另外所提算法通过几何形变的方式扩展了字典规模和搜索的准确性，在算法时间消耗上平均约减少了80 s。

来源：2019年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第1期