基于非局部稀疏编码的超分辨率图像复原-论文.pdf

《基于非局部稀疏编码的超分辨率图像复原-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第37卷第3期电子与信息学报Vo1．37No．32015年3月JournalofElectronics&InformationTechnologyMar．2015基于非局部稀疏编码的超分辨率图像复原刘哲杨静陈路(西北工业大学理学院西安710129)摘要：基于压缩感知的超分辨率图像复原方法通常采用局部稀疏编码策略，对每一图像块独立编码，易产生人工的分块效应。针对上述问题，该文提出一种基于非局部稀疏编码的超分辨率图像复原方法。该算法在字典训练和图像编码过程中分别运用图像的非局部自相似先验知识，即利用低分辨率图像的插值

2、图像训练字典，并通过计算相似块局部编码的加权平均，得到每一图像块的非局部稀疏编码。仿真实验表明，所提算法能够获得更优的复原效果，并且对于含噪图像具有较强的鲁棒性。关键词：超分辨率图像复原；压缩感知；非局部自相似；非局部稀疏编码；单字典训练中图分类号：TP391文献标识码：A文章编号：10095896(2015)030522—07DOI：10．11999／JEIT140481Super-resolutionImageRestorationBasedonNonloealSparseCodingLiuZheYangJi

3、ngChenLu(SchoolScience，NorthwesternPolytechnicalUniversity，Xi’an710129，China)Abstract：Super-resolutionimagerestorationmethodsbasedonCompressiveSensing(CS)generallyadoptlocalsparsecodingstrategy．Suchstrategyencodeseachimageblockindependently，whicheasilyinduces

4、artificialblockingeffect．Toovercomethisproblem，asuper-resolutionimagerestorationmethodbasedOilnonlocalsparsecodingisproposed．Thenonlocalself-similarityofimageisconsideredasapriorinthedictionarytrainingandimagecodingprocesses，respectively．Specifically，thepropo

5、sedalgorithmtrainsthedictionarywithinterpolatedlow—resolutionimages，andcalculatestheweightedaveragelocalcodeofsimilarpatches，inordertoobtainthenonlocalsparsecodeofeachimageblock．Numericalexperimentssuggestthattheproposedalgorithmhasagoodrecoveryperformance，an

6、disrobusttoimagenoise．Keywords：Super-resolutionimagerestoration；CompressiveSensing(CS)；Nonlocalself-similarity；Nonlocalsparsecoding；Singledictionarytraining1引言HR图像在小波基下可被稀疏编码的先验知识，加入模糊滤波器降低下采样矩阵与小波基间的相关随着信息技术的发展，高质量、高清晰度的图性，并在CS理论框架下求解HR图像。然而由于像日益成为遥感、医学和生物识别

7、等领域的普遍需一般自然图像细节丰富、结构复杂，小波基无法为求。然而，在图像获取过程中，由于成像系统自身其提供最优的稀疏编码。文献f4，5]使用随机选取的的局限性，所获得的图像往往分辨率较低，无法反成对高、低分辨率图像块来稀疏表示图像，提高了映真实场景的信息。因此，图像的超分辨率复原方复原图像的视觉效果，但为了实现精确重构需要大法被提出并迅速成为国内外学者的研究热点。量成对的图像块构造高、低分辨率字典，计算复杂压缩感知(CompressiveSensing，CS)Il】理论的度高。发展为超分辨率图像复原提供了新的思

8、路。CS理论为了降低该类算法的计算复杂度，Yang等人指出：在适当条件下，高分辨率(HighResolution，通过设计退化矩阵，将双字典(高、低分辨率字典)HR)图像可由其下采样产生的低分辨率(Low训练改进为单字典训练，仅运用少量HR图像块训Resolution，LR)图像以高概率复原[2J02009年，Sen练高分辨率字典。文献【8]运用聚类和多任务学习的等人【3