针对单幅图像的超分辨率重建,提出一种基于自学习的方法,对原始低分辨率图像进行处理,经上采样得到较高分辨率的图像作为测试数据;先经下采样再经上采样得到较低分辨率的图像作为学习数据。在基于图像自身相似性的基础上,充分发掘低分辨率图像的冗余性。在不引入额外信息的条件下,在原始低分辨率图像中寻找测试数据中相似子区域的对应子区域,建立图像重构模型,逐步提高原始低分辨率图像的分辨率。实验表明,与现有的算法相比,笔者所提出的方法能恢复部分高频信息,得到较好的重建效果,能有效提高原始图像的分辨率。
科研之友
微信
新浪微博
Facebook
分享链接
