融合学习算法的单帧图像超分辨率复原

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (23): 186-190.

融合学习算法的单帧图像超分辨率复原

黄全亮1，刘水清1，孙金海2，陈柯1

1.华中科技大学电子与信息工程系，武汉 430074
2.电磁散射重点实验室，北京 100854

出版日期:2013-12-01 发布日期:2016-06-12

Single image super-resolution combined with learning algorithm

HUANG Quanliang1, LIU Shuiqing1, SUN Jinhai2, CHEN Ke1

1.Department of Electronics and Information Engineering, Huazhong University of Science and Technology, Wuhan 430074, China
2.Science and Technology on Electromagnetic Scattering Laboratory, Beijing 100854, China

Online:2013-12-01 Published:2016-06-12

摘要/Abstract

摘要： 为从高度降质的单帧图像中重建出高分辨率图像，提出了一个结合自适应正则化与学习算法的超分辨率复原方法。该方法基于图像的局部特征，实现了正则化方法动态自适应控制过程，优化了学习算法中的训练集、预测原则和搜索过程，以降低基准图相关性要求、提高搜索效率。仿真实验分步论证了该方法的有效性，以及对复原效果的提升。

关键词: 图像复原, 超分辨率, 正则化, 学习算法

Abstract: In order to reconstruct a high-resolution image from single highly blurred image, a super-resolution reconstruction method combined with adaptive regularization and learning algorithm is proposed. Based on local characteristics, the dynamic adaptive control progress of reconstruction method is achieved. Train set, prediction principle and searching progress of learning algorithm is optimized to depress the relativity of example image and improve the searching efficiency. Experimental results demonstrate the availability of the method by steps, and the improvement of reconstruction result.

Key words: image reconstruction, super-resolution, regularization, learning algorithm

黄全亮1，刘水清1，孙金海2，陈柯1. 融合学习算法的单帧图像超分辨率复原[J]. 计算机工程与应用, 2013, 49(23): 186-190.

HUANG Quanliang1, LIU Shuiqing1, SUN Jinhai2, CHEN Ke1. Single image super-resolution combined with learning algorithm[J]. Computer Engineering and Applications, 2013, 49(23): 186-190.

[1]	李现国，冯欣欣，李建雄. 多尺度残差网络的单幅图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(7): 215-221.
[2]	沈瑜，刘成，杨倩. 利用子空间稀疏特征的超分辨率图像重建算法[J]. 计算机工程与应用, 2021, 57(5): 173-182.
[3]	夏皓，吕宏峰，罗军，蔡念. 图像超分辨率深度学习研究及应用进展[J]. 计算机工程与应用, 2021, 57(24): 51-60.
[4]	刘璟，宋海川，黄建设，马利庄. 通道与空间注意力图像超分辨率网络[J]. 计算机工程与应用, 2021, 57(2): 209-216.
[5]	丁玉祥，卞维新，接标，赵俊. 融合邻域回归和稀疏表示的图像超分辨率重构[J]. 计算机工程与应用, 2021, 57(2): 230-236.
[6]	杨薛钰，陈建平，傅启明，陆悠，吴宏杰. 基于随机方差减小方法的DDPG算法[J]. 计算机工程与应用, 2021, 57(19): 104-111.
[7]	黄健，赵元元，郭苹，王静. 深度学习的单幅图像超分辨率重建方法综述[J]. 计算机工程与应用, 2021, 57(18): 13-23.
[8]	孙菁阳，陈凤东，韩越越，吴煜雯，甘雨，刘国栋. 图像超分辨率重建算法综述[J]. 计算机工程与应用, 2021, 57(17): 1-9.
[9]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[10]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.
[11]	蒋文杰，罗晓曙，戴沁璇. 基于对抗网络人脸超分辨率重建算法研究[J]. 计算机工程与应用, 2021, 57(11): 219-223.
[12]	周涛，陆惠玲，霍兵强. 深度信念网络研究进展[J]. 计算机工程与应用, 2020, 56(9): 24-32.
[13]	宋丽丽，李彬，赵俊雅，刘国峰. 正态重采样的改进行人再识别度量学习算法[J]. 计算机工程与应用, 2020, 56(8): 158-165.
[14]	陈晨，刘明明，刘兵，周勇. 基于残差网络的图像超分辨率重建算法[J]. 计算机工程与应用, 2020, 56(8): 185-191.
[15]	李诚，张羽，黄初华. 改进的生成对抗网络图像超分辨率重建[J]. 计算机工程与应用, 2020, 56(4): 191-196.