基于稀疏表示的超分辨率图像重建  

Based on sparse representation for super-resolution image reconstruction

作　　者：沈松[1] 朱飞[1] 姚琦[1] 王鹏飞[1] 

机构地区：[1]海军士官学校,蚌埠233012

出　　处：《电子测量技术》2011年第6期37-39,50,共4页Electronic Measurement Technology

摘　　要：主要是提出1种新的重建算法—基于稀疏表示的超分辨率重建,一方面,提出1种自适应的估计HR图像稀疏域的方法,其主要利用图像非局部的相似patch组合,通过PCA方法自适应的得到;另一方面,为进一步加强该方法的功能,在目标函数中引入1个非局部自相似的二次项约束,从而充分发掘非局部图像冗余信息。通过对含有L1-范数及L2-范数混合正则化项的目标函数最优化可以很好地完成重建。仿真实验结果证实该方法不仅可以保持重建图像清晰地边缘信息,同时具有很好的鲁棒性。Proposed a new reconstruction approach—Based on Sparse Representation for super-resolution image reconstruction.On the one hand,we proposed to adaptively estimate the sparse domain of the HR image patches using adaptive principal component analysis（PCA）via non-local similar patch grouping,on the other hand,a non-local self-similarity quadratic constrain is also introduced to fully exploit the non-local image redundancies.Super-resolution can be completed well by optimizing the objective function with L1-norm and L2-norm compound regularized terms.The simulation experiment results show this method can not only keep reconstructed image edge information clearly,and has good robustness.

关 键 词：稀疏域 主成分分析(PCA) 迭代收缩(IS)算法 非局部自相似 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]