基于自训练字典学习的单幅图像的超分辨率重建

张 强，张爱梅，王华敏，陈 鹏

基于自训练字典学习的单幅图像的超分辨率重建

张 强，张爱梅，王华敏，陈 鹏

（郑州大学机械工程学院，河南 郑州 450001）

针对单幅低分辨率图像的超分辨率重建问题，提出了一种基于自训练字典学习的超分辨率重建算法。首先根据图像的退化模型，对输入的低分辨率图像进行降质处理，然后利用K-SVD方法训练字典，获得重建所需要的先验知识，最后根据先验知识重建高分辨率图像。仿真实验的结果表明，利用该方法获得的高分辨率图像在视觉效果和客观评价上均优于传统方法，同时算法的时间效率也有很大的提升。

超分辨率重建；稀疏表示；自训练字典学习；K-SVD

0 引言

图像超分辨率技术是指由一幅或几幅低分辨率图像复原出高分辨率图像的方法。在不改变现有系统硬件设备的前提下，快速、低成本地提高图像的分辨率。随着图像在各个领域的应用越来越广，人们对图像分辨率要求也越来越高。在医学成像、军事遥感和安全监控领域中，超分辨率技术都有着广阔的应用前景[1-2]。目前，超分辨率技术主要有以下几种方法：基于插值的算法、基于重构的算法和基于学习的算法[3]。基于插值的算法主要以双三次插值为主，算法简单，然而重建效果不好，重建的图像有锯齿效应；基于重建的方法是依赖多幅低分辨率图像进行重建，在实际应用中受限制，且当目标放大倍数较大时，重建效果急剧下降。基于学习的算法充分利用了图像本身的先验知识，在不增加输入图像样本数量的情况下，仍能产生高频细节，获得较好的复原效果[4]。……