多尺度自相似融合图像超分辨率重建

刘志坚，等：多尺度自相似融合图像超分辨率重建
73
疏编码和稀疏字典重建高分辨率图像的细节信息；文 献[9]提出利用 K-SVD 方法学习稀疏字典并利用正交 匹配追踪（OMP）算法进行稀疏运算，在重建效率上 很好地改进了 SISR 方法[9]。
超分辨率重建是一个病态问题，当前进行超分辨 率重建的主要方法是通过对大量样本图像进行直觉性 理解或统计分析以获得图像的先验知识[3-4]，以及寻找 合适模糊核的方法[5-6]。这 2 种方法都是对较小的图像 块进行操作，通过对多个图像块进行线性或非线性运 算获得有效的局域先验信息。例如求取重叠图像块的 平均值或利用置信传播和图分割方法获得最大后验概 率的图像块运算[7]。文献[8]提出 SISR 方法，利用大 量高低分辨率样本图像训练得到稀疏字典，并利用稀
多尺度自相似融合图像超分辨率重建
刘志坚，张 刚
（江苏建筑职业技术学院 建筑智能学院，江苏 徐州 221000）
摘 要：为提高低分辨率图像超分辨率重建的精度和效率，提出一种多尺度自相似融合图像超分辨率重建算法。
该方法在锚定邻域回归（ANR）方法的基础上引入自相似矩阵，使图像边缘更加清晰；利用多层小波变换构建多
图像超分辨率重建技术是对低分辨率图像进行 一系列运算后获得高分辨率图像的技术。利用该技术 可以降低图像采集设备的成本，因而成为图像处理技 术的研究热点之一[1-2]。
为提高图像重建的效果和速度，本文提出多尺度 自相似融合图像超分重建算法（MS-SANR）。该算法 采用分层搜索匹配策略进行低分图像与锚点的搜索匹 配。首先将图像进行小波分解，获得不同尺度的小波 域图像；再在 ANR 方法的基础上引入自相似正则化
ISSN 1002-4956 CN11-2034/T
实验技术与管理 Experimental Technology and Management
第 37 卷 第 2 期 2020 年 2 月 Vol.37 No.2 Feb. 2020
DOI: 10.16791/ki.sjg.2020.02.017
收稿日期: 2019-07-11 基金项目: 国家自然科学基金资助项目（51778611） 作者简介: 刘志坚（1973—），男，吉林四平，硕士，副教授，主
要从事建筑智能化及应用方面的研究。 E-mail: xz-fxia@
矩阵；最后通过构建的多尺度串联模型对图像进行 重建。
1 关于超分辨率重建的研究
(Institute of Building Intelligence, Jiangsu Vocational Institute of Architectural Technology, Xuzhou 221000, China)
Abstract: In order to improve the accuracy and efficiency of low-resolution image super-resolution reconstruction, a multi-scale self-similar fusion image super-resolution reconstruction algorithm is proposed. Based on the anchor neighborhood regression (ANR) method, the self-similar matrix is introduced to make the image edge clearer. By using the multi-level wavelet transform to build a multi-scale series model, the multi-level super-resolution reconstruction of different scale images in wavelet domain is realized. the number of atoms and neighborhoods of the training dictionary are increased, and the hierarchical search matching strategy is used to match the low-resolution image block and anchor point to reduce the time of image reconstruction. The experimental results show that the edge and details of the reconstructed image are clearer, the edge ghosting and step effect are weakened, the PSNR value is increased by about 1 dB, and the reconstruction time is reduced. Key words: image processing; super-resolution reconstruction; self-similarity; wavelet transform
尺度串联模型，实现小波域的不同尺度图像的多层超分辨率重建；增加训练字典原子数和邻域数，采用分层搜索
匹配策略进行低分辨率图像块与锚点的匹配以减少图像重建时间。实验结果表明：该方法重建的图像边缘和细节
更清晰，边缘重影和阶梯效应明显削弱，P词：图像处理；超分辨率重建；自相似；小波变换
中图分类号：TP391.41
文献标识码：A 文章编号：1002-4956(2020)02-0072-05
Reconstruction of image super-resolution based on multi-scale and self-similarity fusion
LIU Zhijian, ZHANG Gang