Journal of Computer Applications 计算机应用,2〇l 8, 38(6): I 777 - I 783ISSN 1001-9081
CODEN JYIIDU 2018-06-10
http : //www . joca . cn
文章编号:1001-9081(2018)06-1777-07
DOI :10.11772/j . issn . 1001-9081.2017112742阻焊剂
陈晨,赵建伟'曹飞龙
(中国计量大学信息与数学系,杭州310018)(*通信作者zhaojw@ amss. ac. cn)国企再掀反腐风暴
摘要:针对图像分辨率较低的问题,提出了一种基于四通道卷积稀疏编码的图像超分辨率重建方法。首先,该 方法将输入图像依次翻转90。作为四通道的各自输入,通过低通滤波和梯度算子将输入图像分解成高频和低频部分;接着,分别利用卷积稀疏编码方法和三次插值方法对各通道低分辨率图像的高频部分和低频部分进行重建;最后,对 四通道输出图像加权求均值获得重建的高分辨率图像。实验结果表明, 所提方法比一些经典的超分辨率重建方法在 峰值信噪比(PSNR )、结构相似度(SSIM )和抗噪性上具有更好的重建效果。所提方法不仅克服了重叠补丁破环图像 补丁间一致性的缺陷,还提高了重建图像的细节轮廓,加强了重建图像的稳定性。
关键词:图像重建;超分辨率;卷积稀疏编码;四通道;稳定性
中图分类号:TP 391.41;TP 751 文献标志码:A
Image super-resolution reconstruction based on four-channel convolutional sparse coding
影剧院CHEN Chen, ZHAO Jianwei , CAO Feilong
(Department of Information and Mathematics, China Jiliang University, Hangzhou Zhejiang 310018, China)
Abstract: In order to solve the problem of low resolution of iamge , a new image super-resolution reconstruction method
based on four-channel convolutional sparse coding was proposed . Firstly , the input image was turned over 90° in turn as the input of four channels , and an input image was decompo
sed into the high frequency part and the low frequency part by low pass filte r and gradient operator . Then , the high frequency part and low frequency part of the low resolution image in each channel were reconstructed by convolutional sparse coding method and cubic interpolation method respectively . Finally , the four - channel output images were weighted for mean to obtain the reconstructed high resolution image . The experimental results show that the proposed method has better reconstruction effect than some classical super-resolution methods in Peak Signal -to-Noise Ratio (PSNR ), Structural SIMilarity ( SSIM ) and noise immunity . The proposed method can not only overcome the shortcoming of consistency between image patches destroyed by overlapping patches , but also improve the detail contour of reconstructed image , and enhance the stability of reconstructed image .
Key words : image reconstruction ; super -resolution ; convolutional sparse coding ; four -channel ; stability
〇引言
图像超分辨率重建是将给定的低分辨率图像恢复成高分 辨率图像的一种图像处理技术。因为图像超分辨率重建过程 是一个病态问题,所以不同的重建方法可以恢复出不同的高 分辨图像,但这些重建方法的关键点在于通过先验知识去寻 合适的低分辨率图像与相应的高分辨率图像之间的内在联 系。
近年来,国内外学者提出了许多基于样本的超分辨率图 像重建方法[1。这些方法主要通过低分辨率和其相应的高 分辨率补丁对来学习低分辨率和高分辨率图像之间的映射关
系,或者寻相同图片的内部相关性。Yang 等[6]利用压缩感 知的思想&W],提出了基于稀疏表示理论的超分辨率图像重 建方法。该方法假设低分辨率图像补丁在低分辨率字典下的 稀疏表示系数与其对应的高分辨率图像补丁在高分辨率字典
收稿日期:2017-11-19;修回日期:2017-12-29;录用日期:2018-01-15。
基金项目:国家自然科学基金资助项目(61571410,61672477);浙江省自然科学基金资助项目(LY18F020018)。
作者简介:陈晨(
1992—),男,浙江杭州人,硕士研究生,主要研究方向:智能计算、图像处理;赵建伟(1977—),女,浙江金华人,教授,博
士,CCF 会员,主要研究方向:智能计算、图像处理;曹飞龙(1965—),男,浙江台州人,教授,博士,CCF 会员,主要研究方向:智能计算、图像处
理。
郑媛媛事件完整照片
x1650gt下的稀疏表示系数是相同的,因此,高分辨率图像补丁就可以 通过训练好的高分辨率字典和求得的低分辨率图像补丁的稀
疏表示系数获得。在文献[6]的基础上,Yang 等[7]通过整幅 图像重叠补丁的分解和紧凑字典对的训练来降低算法的复杂 度,该方法称为稀疏编码超分辨率重建(Sparse Coding Super - Resolution , SCSR )。 尽管 SCSR 算法在超分辨率图像中取得
错位关系了很好的重建效果,但是将整幅图像分解为重叠的补丁过程 会破坏图像整体的一致性。考虑到这个问题,Z e ile r 等[11]提 出了卷积稀疏编码模型。该模型不再将图片拆分成为重叠补 丁,而是将整幅图片作为输人进行重建。输人的低分辨率图 像r 可以表示为r 个滤波/,和相对应的特征图Z ,的卷积和:
m i n ( ||F -
|2f + a X ||Z;|11)
⑴
其中表示输人尺寸为W X 71的图像;表示大小为s x s 的 第〖个滤波;4是相应大小为(m + S -1) x (n + s - 1)的特