文献类型：期刊文章

作　　者：詹曙[1] 方琪[1] 杨福猛[2] 常乐乐[1] 闫婷[1]

机构地区：[1]合肥工业大学计算机与信息学院,安徽合肥230009 [2]三江学院电子信息工程学院,江苏南京210012

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61371156);安徽科技攻关计划(No.1401B042019)

年　　份：2016

卷　　号：44

期　　号：5

起止页码：1189-1195

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20162302471536)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对目前基于字典学习的图像超分辨率重建效果欠佳或字典训练时间过长的问题,本文提出了一种耦合特征空间下改进字典学习的图像超分辨率重建算法.该算法首先利用高斯混合模型聚类算法对训练图像块进行聚类,然后使用更改字典更新方式的改进KSVD字典学习算法来快速获得高、低分辨率特征空间下字典对和映射矩阵.重建时根据测试样本与各个类别的似然概率自适应地选择最匹配的字典对和映射矩阵进行高分辨率重建.最后利用图像非局部相似性,将其与迭代反向投影算法相结合对重建后的图像进行后处理获得最佳重建效果.实验结果表明了本文方法的有效性.

关 键 词：超分辨率 字典学习 KSVD  稀疏表示  混合高斯模型

分 类 号：TP391]