基于相似域维纳滤波的单图像超分辨率
计算机视觉与模式识别
2017-12-13 v3
摘要
单图像超分辨率（SISR）是一个病态问题，旨在从单张低分辨率（LR）图像估计出合理的高分辨率（HR）图像。当前最先进的SISR方法基于图像块。它们利用外部数据或内部自相似性来学习HR图像的先验。基于外部数据的方法使用来自训练数据的大量图像块，而基于自相似性的方法利用输入图像中一个或多个相似块。本文提出一种基于自相似性的方法，能够利用从输入图像提取的大组相似块来解决SISR问题。我们引入一种新的先验，可在一维相似域中对块组进行协同滤波，并将其与迭代反投影框架结合。所提算法的性能在多个SISR基准数据集上评估。在不使用任何外部数据的情况下，所提方法在各种缩放因子上优于当前基于非CNN的方法。在某些数据集上，与近期方法A+相比增益超过1 dB。对于高采样率（x4），所提方法性能与最新的基于深度卷积网络的最先进方法相近。
引用
@article{arxiv.1704.04126,
title = {Single Image Super-Resolution based on Wiener Filter in Similarity Domain},
author = {Cristóvão Cruz and Rakesh Mehta and Vladimir Katkovnik and Karen Egiazarian},
journal= {arXiv preprint arXiv:1704.04126},
year = {2017}
}
备注
Paper accepted for publication on IEEE Transactions on Image Processing