一种基于 PCA 的短图像序列超分辨率算法
计算机视觉与模式识别
2012-01-19 v1
摘要
本文提出了一种新颖的、基于学习的两步超分辨率 (SR) 算法，非常适用于解决从短图像序列获取 SR 估计这一极具挑战性的问题。第一步致力于提高输入图像的采样率，其方法是将由主成分 (PC) 生成的函数的线性组合拟合到局部稀疏投影图像数据，并利用这些模型估计高分辨率网格节点处的图像值。PC 源自在亚像素级别采样的局部图像块，而这些图像块又是通过对高分辨率图像数据库应用物理上真实的观测模型生成的。通过在模型系数空间中最小化适当的泛函来强制局部图像模型之间的连续性。第二步处理复原问题，采用线性滤波器完成，其系数经学习用于复原残余插值伪影以及低分辨率模糊，从而实现了该方法两个步骤之间的有效耦合。针对包含图形和文本的高要求五图像扫描序列的结果表明，与几种最先进的两步法和贝叶斯最大后验 (Maximum a Posteriori) SR 算法相比，所提方法具有卓越的性能。
引用
@article{arxiv.1201.3821,
title = {A PCA-Based Super-Resolution Algorithm for Short Image Sequences},
author = {Carlos Miravet and Francisco B. Rodríguez},
journal= {arXiv preprint arXiv:1201.3821},
year = {2012}
}
备注
4 pages, 4 figures. A version of this work was submitted to ICIP 2010