结合结构自相似性和卷积网络的单幅图像超分辨率

来源：计算机应用杂志2018年第3期北京时间：

作者：向文, 张灵, 陈云华, 姬秋敏

单位：广东工业大学 计算机学院, 广州 511400

摘要：针对单幅图像超分辨率（SR）复原病态逆问题，在重建过程边缘细节丢失导致的模糊，提出一种结合结构自相似和卷积网络的单幅图像超分辨率算法。首先，通过将尺度分解获得待重构图片样本的自身结构相似性，结合外部数据库样本结合作为训练样本，可以解决样本过于分散的问题；其次，将样本输入卷积神经网络（CNN）进行训练学习，得到单幅图像超分辨率的先验知识；然后，利用非局部约束项自适应选择最优字典重建图像；最后，利用迭代反投影算法对图像超分辨率效果进一步提升。实验结果表明，与双三次插值（Bicubic）方法、K-SVD算法和基于卷积神经网络的图像超分辨率（SRCNN）方法等优秀算法相比，所提算法可以得到边缘更为清晰的超分辨率重建效果。

关键词：超分辨率,结构自相似性,深度卷积网络,正则化,块匹配

基金资助：广东省自然科学基金博士启动项目（2014A030310169）；广东省自然科学基金面上项目（2016A030313703，2016A030313713）；广东省科技计划项目（2016B030305002）；广东省交通运输厅科技项目（科技-2016-02-030）。