电子学报 ›› 2015, Vol. 43 ›› Issue (2): 209-216.DOI: 10.3969/j.issn.0372-2112.2015.02.001

• 学术论文 •    下一篇

基于自适应多字典学习的单幅图像超分辨率算法

潘宗序1, 禹晶1, 肖创柏2, 孙卫东1   

  1. 1. 清华大学电子工程系, 北京 100084;
    2. 北京工业大学计算机学院, 北京 100124
  • 收稿日期:2013-06-08 修回日期:2014-06-09 出版日期:2015-02-25 发布日期:2015-02-25
  • 作者简介:潘宗序 男,1986年生于黑龙江省.2010年获哈尔滨工业大学电子与信息工程学院学士学位.现为清华大学电子工程系博士研究生.主要研究方向为图像处理,模式识别,压缩感知与稀疏表示,空间信息处理与应用. Email:panzxtsinghua@163.com;禹 晶 女,1981年生于陕西省.2011年获清华大学电子工程系博士学位.现为清华大学电子工程系博士后.主要研究方向为图像处理和模式识别;肖创柏 男,1962年生于湖南省.1995年毕业于清华大学,获博士学位.现为北京工业大学计算机学院教授.主要研究方向为数字信号处理,音视频信号处理与网络通信,模式识别等;孙卫东 男,1960年生于山东省.1988年获日本东京大学博士学位.现为清华大学电子工程系教授.主要研究方向为图像处理,模式识别,空间信息处理与应用等.
  • 基金资助:

    国家科技支撑计划(No.2012BAH31B01);国家自然科学基金(No.61171117);北京市教育委员会科技计划重点项目(No.KZ201310028035)

Single Image Super Resolution Based on Adaptive Multi-Dictionary Learning

PAN Zong-xu1, YU Jing1, XIAO Chuang-bai2, SUN Wei-dong1   

  1. 1. Department of Electronic Engineering, Tsinghua University, Beijing 100084, China;
    2. College of Computer Science and Technology, Beijing University of Technology, Beijing 100124, China
  • Received:2013-06-08 Revised:2014-06-09 Online:2015-02-25 Published:2015-02-25

摘要:

自适应字典学习利用图像结构自相似性,将图像自身作为训练样本,通过字典学习使图像中的相似块在字典下具有稀疏表示形式.本文将全局字典学习中利用图像库获取附加信息的思想融入到自适应字典学习的过程中,提出了一种基于自适应多字典学习的单幅图像超分辨率算法,从低分辨率图像自身与图像库同时获取附加信息.该算法对低分辨率图像金字塔结构中的图像块进行聚类,在聚类结果的引导下将图像库中的图像块进行分类,利用各类中的样本分别构建针对各类的多个字典,从而确定表达重建图像块的最优字典.实验表明,与ScSR、SISR、NLIBP、CSSS以及mSSIM等算法相比,本文算法具有更好的超分重建效果.

关键词: 超分辨率, 稀疏表示, 自适应字典学习, 全局字典学习

Abstract:

Adaptive dictionary learning uses the low resolution image itself as training samples to make the similar patches have sparse representation over the learned dictionary,so that extra information can be exploited from structural self-similarity by dictionary learning.In this paper,we propose a single image super resolution method based on adaptive multi-dictionary learning.To exploit extra information from both the low resolution image itself,and the image database,the proposed method incorporates the idea of global dictionary learning that the image database can be used to obtain extra information into the process of adaptive dictionary learning.In the proposed method,all patches in the image pyramid of the low resolution image are clustered into several groups,then each patch satisfying a certain condition in the database is classified into one of these groups with the supervision of the clustering results,and multi-dictionary learning is used to learn corresponding dictionaries for different groups.Experimental results demonstrate that our method achieves better result compared with ScSR,SISR,NLIBP,CSSS and mSSIM methods.

Key words: super resolution, sparse representation, adaptive dictionary learning, global dictionary learning

中图分类号: