含噪图像的快速超分辨率重建算法

温 佳，王庆成，杨亚楠，李 楠

（天津工业大学 电子与信息工程学院，天津 300387）

单图像超分辨率重建是图像处理领域的经典研究内容。一般来说，它的首要任务是从低分辨率图像中重建丢失的高频细节。传统的基于插值的超分辨率重建技术[1-2]已经被广泛运用并具备快速实现的优点。但是，面对图像边缘、不连续区域、高频特征时，往往不能取得理想的效果。近年来，人们提出了许多具有影响力的基于实例的超分辨率重建方法[3-5]，并取得了不错的效果，逐渐成为超分辨重建领域的主流方法。该方法的主要思路是：学习样本库中对应高、低分辨率图像块之间的映射关系并结合输入的低分辨率图像块重构出丢失的高频细节。大多数方法[6-7]都是基于最近邻嵌入思想。总的来说，针对每一个输入的低分辨率图像块从数据库中寻找最为接近的k个图像块，再结合之前学习的映射关系完成相似块的线性组合，最终估计出高分辨率图像块。虽然这些算法可以得到不错的结果，但是难以确定的近邻数目还是降低了这类算法的稳定性。为了解决这个问题，动态k近邻算法[8]人为提出了一种相似判断依据，从而可以动态地确定近邻数目。Yang 等[9]利用稀疏编码实现了图像的超分辨率重建。该算法假设高、低分辨率图像具有相同的稀疏表达，并通过高、低分辨率字典的耦合训练确保具有相同的稀疏系数。它通过对输入图像块的稀疏表达解决了近邻数目的选择，从而取得了令人印象深刻的结果。……