基于贝塔过程联合字典学习的图像超分辨重建 |
| |
引用本文: | 朱福珍,邹丹妮,巫红,白鸿一.基于贝塔过程联合字典学习的图像超分辨重建[J].高技术通讯,2019,29(7). |
| |
作者姓名: | 朱福珍 邹丹妮 巫红 白鸿一 |
| |
作者单位: | 黑龙江大学电子工程学院 哈尔滨150080;东北大学计算机科学与工程学院 沈阳110819 |
| |
基金项目: | 国家自然科学基金;黑龙江省博士后科研启动基金;黑龙江省普通高等学校电子工程重点实验室(黑龙江大学)开放课题;基本科研业务费项目;黑龙江省自然科学基金 |
| |
摘 要: | 为了提高图像超分辨效果,针对以往稀疏字典超分辨算法仅适用于单特征空间的问题,提出基于贝塔过程联合字典学习(BPJDL)的图像超分辨重建(SRR)方法。首先,根据图像退化模型生成训练样本图像,分别对高、低分辨率图像进行7×7分块,并利用吉布斯采样对图像块进行采样,生成字典训练样本。然后,依据贝塔过程先验模型,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典稀疏系数分解为系数权值和字典原子的乘积,通过训练和更新字典,得到同时适用于两个特征空间的字典映射矩阵。最后,进行图像超分辨稀疏重构。实验结果表明:本文方法能以更小尺寸的稀疏字典重建超分辨图像,与当前最先进的稀疏表示超分辨算法相比,结果图像主观视觉上纹理细节信息更丰富,客观评价参数峰值信噪比(PSNR)提高约1.5 dB,结构相似性(SSIM)提高约0.02,超分辨重建时间降低约50 s。
|
关 键 词: | 图像超分辨重建(SRR) 稀疏表示 字典学习 贝塔过程 吉布斯采样 |
本文献已被 CNKI 万方数据 等数据库收录! |
|