华南理工大学学报(自然科学版)

作者：马丽红 王小娥 田菁 张宇

单位：1． 华南理工大学 电子与信息学院，广东 广州 510640; 2． 新加坡国立大学 系统科学研究所，新加坡 119615; 3． 华南理工大学 计算机应用工程研究所，广东 广州 510640

关键词：超分辨率重建,主题概率模型,结构感知,流形约束,节点回归映射

基金：国家自然科学基金资助项目(61471173);广东省自然科学基金重点资助项目(2017A030311028)

在基于示例学习的单幅图像超分辨率(SISＲ)重建中，假设从低分辨率 (LR)到 高分辨率 (HR) 图像块的映射关系是一对一的，但同一 LR块会与多个 HR块对应，导致 了 LR与 HR块的匹配误差． 为解决 HR复原块的失配问题，文中首先导出了 LR块主题模 式的概率模型，引入信号的隐藏主题这一种新的观察信息． 然后提出了一种基于块主题差 异和上下文最大概率的结构感知复原机制，通过主题模式与邻域块内容的关联，形成 LR块的流形描述;在重构中通过自适应主题决策树选择和节点回归矩阵映射，从相似的 LR流形信号中准确区分和复原 HR信号． 主题模型优化实验结果表明，文中基于主题约束信 息的算法比未引入隐藏主题的决策树 SISR方法的峰值信噪比(PSNR)值提升了 0． 25dB; 在 5 种算法的对比实验中，相对于稀疏字典 SISR方法，文中方法的 PSNR值平均提升了 0． 92dB，表明引入隐藏的主题信息和主题流形结构辨识是可行的．

来源：2019年第4期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2019年第4期