基于学习的单幅彩色图像超分辨率重建

为了解决单幅彩色图像超分辨率重建中以最常用的欧几里得最小距离来选择最相似块进行重建可能带来的块效应等视觉效果不佳的问题以及由于训练样本较少可能出现最近邻块和待复原块之间误匹配问题,提出在重构算法中引入权值融合机制。通过最小化局部重建误差来计算K个最近邻域块的重建权数,可提升输出图像的高频成分,有效地改善了图像的全局效果,并且将重建后的高频细节作为训练样本再次进行重建以得到更高的图像峰值信噪比(PSNR)。实验结果表明,取4个最近邻块且加权系数依次分别为0.70、0.20、0.05、0.05时重建出的高频细节相对最完整和丰富。

基于通道间相关性和非局部自相似性的彩色图像超分辨率算法

现有的大多数单图像超分辨率方法仅用于提高单个通道的分辨率。在处理彩色图像时,由于忽略了通道间的相关性,重建的高分辨率图像容易产生失真。针对这些问题,提出了一种综合考虑通道间相关性及非局部自相似性的彩色图像超分辨算法。首先,为了充分利用彩色图像的通道间相关性,分别计算通道间残差信号和三通道平均信号的总变分范数;其次,为了进一步提升超分辨率的结果,基于图像内的非局部自相似性更新重建图像;最后,为了求解所建立的优化问题,提出了基于split-Bregman方法的快速迭代算法。将所提算法与一些主流算法进行了比较,在3倍上采样条件下,所提算法在Set5和Set14数据集上平均可获得的峰值信噪比(Peak Signal to Noise Ratio,PSNR)增益分别为0.5 dB及0.36 dB。实验结果证明了联合应用通道间相关性及非局部自相似性能有效提升彩色图像的超分辨重建质量。

一种基于alpha通道的彩色图像超分辨率方法

彩色图像的RGB 3个通道间具有密切的相关性.若将现有具有边缘保持作用的灰度图像超分辨率方法直接推广到RGB空间中进行,很容易破坏这种相关性,也必会导致色彩伪影.为解决此问题,本文提出了一种基于alpha通道的彩色图像超分辨率方法.首先,对图像进行区域分割,并对每个区域进行前景、背景及alpha通道的提取;然后,将alpha通道、前景及背景图像分别进行超分辨率;最后,合成得到高分辨率图像.该方法基于图像分割和alpha matting技术,利用alpha通道协调3个通道的边缘信息.实验结果表明,该算法在较好地实现超分辨率的同时保持了图像的边缘,避免了色彩失真,具有较好的视觉效果.