增强的单幅图像自学习超分辨方法
来源：计算机应用杂志2017年第9期北京时间：
作者：黄凤, 王晓明
单位：1. 西华大学 计算机与软件工程学院, 成都 610039;2. 西华大学机器人研究中心, 成都 610039
摘要：针对图像超分辨率方法构建图像块的稀疏表示（SR）系数存在的主要问题，利用加权思想提出一种增强的单幅图像自学习超分辨方法。首先，通过自学习建立高低分辨率图像金字塔；然后，分别提取低分辨率图像的图像块特征和对应高分辨率图像块的中心像素，并给图像块中不同像素点赋予不同的权重，强调中心像素点在构建图像块稀疏系数时的作用；最后，结合SR理论和支持向量回归（SVR）技术建立超分辨率图像重建模型。实验结果表明，与单幅图像自学习超分辨率方法（SLSR）相比，所提方法的峰值信噪比（PSNR）平均提高了0.39 dB，无参考图像质量评价标准（BRISQUE）分数平均降低了9.7。从主观视角和客观数值证明了所提超分辨率方法更有效。
关键词：数字图像处理,单幅图像超分辨率,稀疏表达,支持向量回归,权重系数
基金资助：国家自然科学基金资助项目（61532009）；教育部春晖计划项目（Z2015102）；四川省教育厅自然科学重点项目（11ZA004）。
