论文部分内容阅读
针对传统基于学习的超分辨率重建算法训练时间过长,且对训练库依赖性大的不足,提出一种结合块旋转和清晰度的超分辨率重建方法。该方法引入了一种新的分类机制。为增加训练样本块的多样性,但又不增加计算复杂度,将样本块进行一定角度的旋转,然后引入块清晰度(Sharpness Measure,SM)对训练样本进行分类。对于块清晰度较高的纹理、角以及边缘块,利用分类好的对应样本库进行自相似性重建,而清晰度较低的块,则直接使用插值放大进行重建。在搜索匹配过程中改用Fast Library for Approximat