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。
中图分类号：TP391
文献标识码：A
DOI： 10.19358/j.issn.2096-5133.2020.03.005
引用格式：伏伶丽，任超，何小海,等基于稀疏编码和各向异性滤波的超分辨率重建［J］.信息技术与网络安全，2020,39（3）：23-28.
文献标识码：A
DOI： 10.19358/j.issn.2096-5133.2020.03.005
引用格式：伏伶丽，任超，何小海,等基于稀疏编码和各向异性滤波的超分辨率重建［J］.信息技术与网络安全，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
图像含有大量的、生动的、直观的信息，是人们感知外界信息的主要载体。然而，成像设备、成像环境和传输环境影响了数字图像的质量，使得我们得到的图像是低分辨(Low Resolution,LR)图像。为了满足人们对高质量图像的需求，图像超分辨率(Super Resolution,SR)重建技术被众多研究学者提出。图像SR重建是一种利用一幅或多幅LR图像，重建出单幅高分辨率(High Resolution,HR)图像的技术，该技术能使因图像退化过程中模糊、噪声等造成的LR图像的分辨率得到显著的提高。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003170
作者信息：
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)
此内容为AET网站原创，未经授权禁止转载。