基于词典学习和稀疏表示的超分辨率方法.pdf

第 23 卷 第 3期 模式识别与人工智能 Vol. 23 No. 3 2010年 6月 PR AI Ju 2010 * (复旦大学 计算机科学技术学院上海市智能信息处理重点实验室 上海 200433) 近年来, 从大规模数据集中提取过完备词典, 并使用稀疏表示在图像去噪、图像去马赛克和图像修复中有 着较广泛应用. 然而, 这一技术不能直接用于处理具有异构特点的低分辨率 /高分辨率图像块对, 以及相应的图像 超分辨率重构. 要解决这一问题, 文中提出一种求解同时满足两个过完备词典 (低分辨率图像块词典和高分辨率图 像块词典)下的相同稀疏表示的方法, 并利用它们实现图像稀疏表示的超分辨率重建. 为了进一步提高彩色图像的 超分辨率效果, 还提出基于超分辨率亮度信息的UV色度超分辨率重构. 实验结果表明文中方法无论在视觉效果还 是均方根误差上都获得更好结果. 超分辨率, 稀疏表示, 词典学习 TP 751. 1 Super2Resolution through DictionaryLearning and SparseRepresentation PU Jia , ZHANG Ju 2Pi g ( Shangha iK ey Laboratory of Intelligent Inform ation Processing, School of Compu ter Science and Engineering, Fudan University, Shangha i 200433 ABSTRACT The overcomplete dictio ary extracted from large scale dataset a d sparse represe tatio have bee widely applied i mi age de oise, deb lock i g a d i pai ti g i rece t years. However, th is tech ique ca ot be directly emp loyed to dealwith heteroge eous low resolutio a d high resolutio mi age patches a d releva t mi age reco structio with super2resolutio aswell. Themethod to yield the sparse represe tatio meeti g two overcomplete dictio aries ofdiffere t scales at the sam e tmi e is proposed i th ispaper a d the super2resolutio reco structio of mi age sparse represe tatio is mi pleme ted by it. To furthe