计算机应用研究

作者：王晓明,黄凤,刘少鹏,徐涛,

单位：西华大学a.计算机与软件工程学院;b.机器人研究中心,成都610039；

关键词：单幅图像超分辨率,L2范数,协作表示,支持向量回归,

基金：国家教育部春晖计划资助项目(Z2015102)；国家自然科学基金资助项目(61532009)；四川省教育厅自然科学重点项目(11ZA004)；；

针对传统超分辨率重建方法稀疏表示依赖大训练样本字典的局限性问题，基于L2范数的弱稀疏性特点，提出一种改进的单幅图像自学习超分辨率重建方法。通过自学习建立非金字塔阶梯式训练图像集，采用自定义的方法分别提取训练集中低分辨率和相应高分辨率图像特征块及特征像素值；结合L2范数的协作表示（collaborative representation，CR）理论和支持向量回归（support vector regression，SVR）技术学习多层超分辨率映射模型。实验结果表明，提出的超分辨率方法不仅可行有效，而且与传统的单幅图像的超分辨率方法比较，其PSNR平均提高了0.06~3.92 dB，SSIM平均提高了0.002 4~0.034 8，从客观数值和主观视觉证明了所提方法的优秀性。

来源：2019年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第8期