论文部分内容阅读
在基于学习的图像超分辨率重建过程中,字典的选择和训练是其中的关键环节,但是传统的字典训练算法存在计算量大、训练速度慢等缺点,导致整个重建过程耗费时间长,重建图像在细节上表现较差,影响了其视觉效果与使用价值。针对上述字典训练中存在的问题,提出了一种改进的基于系数复用和字典训练的图像超分辨率算法。该算法对传统的K-SVD算法中的字典训练阶段进行了改进,利用信号的稀疏表示原理,同时结合正交匹配追踪中的系数复用算法,较好地解决了字典训练速度慢、重建图像质量低等问题。实验结果表明,与经典的双三次插值和改进前的