基于MCA分解和样本聚类的超分辨率算法

针对SCSR(sparse coding sparse representation)算法采用通用的过完备字典无法表征多种结构类型的图像以及全局稀疏重构引入过多冗余这2个缺点,提出了基于MCA(morphological component analysis)分解和样本聚类的超分辨率算法。本算法首先采用K-means方法对待训练特征块进行聚类,得到多特征字典对来处理不同类型的低分辨率图像。然后在重构阶段,采用MCA方法提取图像的纹理成分进行稀疏重构,对平滑成分进行插值放大。实验结果表明与其他先进的算法相比,该算法能够更好地恢复图像的边缘细节,重构质量更好。