基于PCA子字典学习的图像超分辨率重建

２０１５年１１月第３６卷　第１１期计算机工程与设计COM PU T ER ENGINEERING AND DESIGN Nov ．２０１５Vol 畅３６　No 畅１１

基于PCA 子字典学习的图像超分辨率重建

首照宇１，吴广祥１，张　彤２＋

（１．桂林电子科技大学信息与通信学院，广西桂林５４１００４；

２．桂林电子科技大学机电工程学院，广西桂林５４１００４）

摘　要：针对超分辨重建中过完备字典一方面需要庞大数据库来训练，另一方面利用高度冗余的过完备字典对图像进行稀疏编码，具有潜在的不稳定性和缺乏自适应表示图像块结构的问题，提出一种超分辨率算法。在不需要借助额外数据库的情况下，采用PCA （p rincipal component analysis ）迭代训练经过K ‐均值聚类的低分辨率图像块，生成具有自适应稀疏表示图像块能力的简单子字典，用于超分辨率重建，提高重建图像的质量。利用非局部相似性和迭代反投影对重建图像进行后处理，进一步提高重建图像的质量。实验结果表明，该算法重建得到的图像在主观视觉效果和客观评价上都优于现有的几种基于学习的超分辨率算法。

关键词：超分辨率重建；PCA （主成分分析）；字典学习；非局部相似；迭代反投影

中图法分类号：T P ９１１畅７３　文献标识号：A 文章编号：１０００‐７０２４（２０１５）１１‐３０２５‐０５

doi ：１０畅１６２０８／j 畅issn １０００‐７０２４畅２０１５畅１１畅０２９

收稿日期：２０１４‐１２‐１５；修订日期：２０１５‐０３‐２８基金项目：国家自然科学基金项目（６１３６２０２１）；广西自然科学基金项目（２０１３GXNSFDA ０１９０３０、２０１３GXNSFA A ０１９３３１、２０１２GXNSFBA ０５３０１４、２０１２GXNSFA A ０５３２３１、２０１４GXNSFDA １１８０３５）；广西科技开发基金项目（桂科攻１３４８０２０‐６、桂科能１２９８０２５‐７）；广西教育厅基金项目（２０１２０２ZD ０４４、２０１３YB ０９１）；桂林市科技攻关基金项目（２０１３０１０５‐６、２０１４０１０３‐５）；桂林电子科技大学研究生教育创新计划基金项目（GDYCSZ ２０１４６２）

作者简介：首照宇（１９７４），男，重庆人，硕士，副教授，研究方向为图像处理与模式识别；吴广祥（１９８８），男，广西玉林人，硕士研究生，研究方向为数字图像处理；＋通讯作者：张彤（１９７３），男，广西桂林人，硕士，副教授，研究方向为图像处理与智能控制。E ‐mail ：mala ＠g uet 畅edu 畅cn Image super ‐resolution reconstruction via PCA sub ‐dictionaries learning

SHOU Zhao ‐y u １，WU Guang ‐xiang １，ZHANG Tong ２＋（１．School of Information and Communication ，Guilin University of Electronic Technology ，Guilin ５４１００４，China ；２．School of Mechanical and Electrical Engineering ，Guilin University of Electronic Technology ，Guilin ５４１００４，China ）Abstract ：T raditional over ‐complete dictionaries on the one hand need a large additional database for training ，on the other hand ，it uses highly redundant over ‐complete dictionaries to do sparse decomposition ，which is potentially unstable and lack of the self ‐adaptability to present various structures of image ．To solve these problems ，a super ‐resolution reconstruction algorithm was p roposed ．To improve the quality of the reconstructed image ，a set of simple sub ‐dictionaries which had the adaptability to sparsely represent images for super ‐resolution reconstruction was generated using PCA iterative method ．The sub ‐dictionaries learnt from the low ‐resolution image were patched using K ‐mean clustering instead of outer dataset ．In addition ，non ‐local simi ‐larity and iterative back ‐p rojection were exploited to further improve the quality of reconstructed images ．Experimental results show that the proposed algorithm achieves better results than other example learning ‐based algorithms in terms of both visual p erception and objective evaluation ．Key words ：super ‐resolution reconstruction ；PCA ；dictionary learning ；non ‐local similarity ；iterative back ‐p rojection 0　引　言

目前超分辨率（super ‐resolution ，SR ）重建［１］大体可

分为３种，基于插值的方法［２，３］，基于重建的方法［４］以及基

于学习的方法［５‐８］。前两种方法重建的图像都存在不同程度上的模糊和锯齿效应，重建效果都不太理想。第三类基于学习是通过对高、低分辨率训练样本库的学习，建立一种高低分辨率的对应关系，此方法比前面的两种方法都获得