基于联合稀疏近似的彩色图像超分辨率重建  

Super-resolution reconstruction for color images based on simultaneous sparse approximation

作　　者：李民[1] 程建[2] 乐翔[2] 李小文[1] 

机构地区：[1]电子科技大学地表空间信息技术研究所,四川成都611731 [2]电子科技大学电子工程学院,四川成都611731

出　　处：《光电子．激光》2011年第8期1241-1245,共5页Journal of Optoelectronics·Laser

基　　金：国家"973"计划资助项目(2007CB714406);中国博士后基金资助项目(20080441198);电子科技大学青年科技基金重点资助项目(JX0804)

摘　　要：针对常用的超分辨率(SR)算法中彩色图像的处理会出现彩色信息的丢失或处理结果色彩偏差较大的问题,提出基于联合稀疏近似(SSA)的彩色图像SR重建方法(SR-SSA)。将多通道数据进行联合稀疏编码(SC),并保证它们具有相同的稀疏性模式;同时考虑了彩色图像的各通道数据,并兼顾了它们之间的相关性,增强了先验知识的表达能力。本文方法有效地将高、低分辨率彩色图像特征块统一进行SC,建立它们之间的稀疏关联,并将这种关联作为先验知识指导图像的SR重建。通过自然图像实验,与其它常用的SR算法对比,SR效果有较好改善。In this paper, a novel super-resolution （SR） method for color images based on simultaneous sparse approximation （SSA） is presented to overcome the problems of color information loss and perceptible color deviation in common super-resolution （SR） reconstruction methods. The multichannel data is unified for simultaneous sparse coding to make sure the same sparsity patterns. The expression ability of prior information is enhanced because of considering all channels and the correlation among them. Our method efficiently establishes sparse association between high resolution （HR） and low resolution （LR） image feature patches, and uses the association as the priori knowledge to guide SR reconstruction based upon a learned dictionary. Experiments with natural images show that our method is better than several other learning-based super-resolution algorithms.

关 键 词：彩色图像处理 基于学习的超分辨率(SR) 联合稀疏近似(SSA) 稀疏性模式 LP q范数 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]