融合内外特征的图像超分辨率算法

基金项目: 湖南省研究生科研创新项目(CX20190697)%长沙理工大学研究生科研创新项目(CX2019SS28)%湖南省研究生培养创新基地项目(湘教通[2017]451 号-)%长沙理工大学青年教师成长计划项目(2019QJCZ015)

详细信息

Super-resolution Image Algorithm Based on Joint Constraints of Internal and External Features

摘要: 针对单一先验知识不足以约束病态严重的图像超分辨率问题,本文提出了融合内外特征的图像超分辨率算法.针对图像的自相似性,通过采用基于内部特征的深度卷积网络学习来增强输入图像的细节纹理,去除超分辨率图像伪影;同时,使用基于外部图像的稀疏约束方法来学习图像结构信息,并结合高频残差字典来解决超分辨率重建中的高频信息缺失问题;最后通过卷积稀疏方法分别从基础层和细节层来融合内外特征的重建图像,以获得细节清晰、去伪影的超分辨率图像,进一步提高图像质量.与传统算法相比,本文算法在重建图像的纹理特征和质量上都得到了增强,且视觉效果与峰值信噪比较传统算法有所改善.
- 内外特征 /
- 超分辨率 /
- 深度卷积网络 /
- 高频残差字典 /
- 稀疏约束 /
- 卷积稀疏表示 /
- 图像融合 /
- 迭代反投影

1.	杨小琴，朱玉全. 基于CNN的轻量级神经网络单幅图像超分辨率研究. 计算技术与自动化. 2022(01): 98-105 . 百度学术
2.	郭军伟，孙璐，王璐. 道路交通事故犯罪现场中模糊图像增强处理. 计算机仿真. 2020(11): 122-126 . 百度学术