正则化技术和低秩矩阵在稀疏表示超分辨率算法中的应用

作     者：黄德天 黄炜钦 云海姣 郑力新 Huang Detian;Huang Weiqin;Yun Haijiao;Zheng Lixin

作者机构：华侨大学工学院泉州362021 华侨大学工业智能化技术与系统福建省高校工程研究中心泉州362021 中国科学院国家天文台长春人造卫星观测站长春130117 

基　　金：国家自然科学基金(61672335 61602191) 泉州市高层次人才创新创业项目(2017G046) 泉州市科技计划项目(2014Z113) 华侨大学研究生科研创新能力培育计划资助项目(1511422002) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2018年第30卷第5期

页      码：868-877页

摘      要：为了有效地利用图像的特征作为指导重建的先验知识,解决常规超分辨率算法对边缘与结构等细节恢复不足的问题,提出一种改进的超分辨率算法.对待重建图像进行低秩分解,得到不同特征的低秩子图像和稀疏子图像;对于低秩子图像,提出采用基于正则化技术的稀疏表示超分辨率算法进行重建,先通过在低秩子图像中寻找相似图像块构造非局部相似正则化项,得到图像的非局部冗余,以保持边缘信息;再通过局部线性嵌入方法构造流形学习正则化项,获得图像的结构先验知识,以增强结构信息.对于稀疏子图像则不参与稀疏表示超分辨率重建,而是采用双三次插值法进行重建.实验结果表明,与其他算法相比,无论在主观视觉效果上,还是在峰值信噪比和结构相似性指标上,文中算法都有显著的提高.

主 题 词：超分辨率 稀疏表示 非局部相似性 局部线性嵌入 低秩矩阵 

学科分类：08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1089.2018.16442

馆 藏 号：203289002...