基于双字典学习与稀疏表示的图像超分辨率
计算机视觉与模式识别
2016-11-18 v1
摘要
基于学习的图像超分辨率旨在从由一组高分辨率和低分辨率图像块训练的先验模型中重建高频 (HF) 细节。在本文中，待估计的高频分量被视为两个部分的组合：主高频 (MHF) 和残差高频 (RHF)；我们提出了一种通过双字典学习和稀疏表示的新型图像超分辨率方法，该方法包含主字典学习和残差字典学习，分别用于恢复 MHF 和 RHF。在测试图像上的大量实验结果验证，通过采用所提出的双层渐进方案，可以恢复更多的图像细节，并且在峰值信噪比 (PSNR) 和视觉感知方面均能取得优于最先进 (state-of-the-art) 算法的结果。
引用
@article{arxiv.1208.3723,
title = {Image Super-Resolution via Dual-Dictionary Learning And Sparse Representation},
author = {Jian Zhang and Chen Zhao and Ruiqin Xiong and Siwei Ma and Debin Zhao},
journal= {arXiv preprint arXiv:1208.3723},
year = {2016}
}
备注
4 pages, 4 figures, 1 table, to be published at IEEE Int. Symposium of Circuits and Systems (ISCAS) 2012