基于聚类和协同表示的超分辨率重建
合肥工业大学汪荣贵教授课题组

        图像超分辨率重建问题是20世纪80年代由R.Y.Tsai和T.S.Huang首先提出的。随后,逐渐成为计算机视觉与图像处理领域的一个研究热点,引起了研究者的广泛关注。图像超分辨率重建是利用单幅或多幅降质的低分辨率图像重建得到高分辨率图像,以提高图像的视觉效果并获得更多可用的信息。图像超分辨率重建应用领域极其宽广,在医学影像、公共安全、军事和遥感系统等方面都存在着重要的应用前景,该技术可以使图像实现从检出水平向识别水平的转化,或更进一步实现向细辨水平的转化。

        合肥工业大学计算机与信息学院计算机应用研究所汪荣贵教授研究团队提出了一种新颖的结合图像特征聚类和协同表示的超分辨率重建方法。该方法首先对训练样本特征进行聚类,将具有相同特征的图像块聚为一类,然后对每个子类学习得到一个完备字典,再对每个子类字典原子依据协同表示的方法得到一个映射矩阵。重建时根据输入的低分辨率图像块,找出其所属类的图像字典,在该类字典中找出与待重建图像块特征向量最近的字典原子,根据该字典原子的映射矩阵和待重建图像块特征向量重建出高分辨率图像块。利用特征聚类方法增强了图像字典的特征表达能力,提高了映射矩阵的准确性,并且利用协同表示离线式计算出图像特征映射矩阵,提高了重建速度。实验结果表明,提出的基于聚类和协同表示的超分辨率重建方法相比现有方法不仅提高了图像重建效率,而且能够重建出更多的高频信息,使得重建的图像更加接近真实图像。提出的方法在图像重建效率和图像重建效果两个方面都有较好的表现,对超分辨率重建技术的实际应用有着重要的作用。

PPT超分辨率重建效果图。
(a) 原图;(b) Bicubic方法;(c) Zeyde方法;(d) NE+LLE方法;(e) NE+NNLS方法;(f) SF方法;(g) ANR方法;(h) 本文方法

 

研究团队简介

        合肥工业大学计算机与信息学院计算机应用研究所的主要研究方向为视频图像处理、机器学习与视觉计算、计算机图形学与可视化。现有教授2人,副教授4人,讲师5人,其技术力量雄厚、科研成果丰富,承担完成多项国家自然科学基金、安徽省科技厅和“863”研发项目,在国际和国内高水平期刊和会议上发表论文200余篇,并获国家发明专利多项。其中汪荣贵教授团队的主要研究方向为智能视频处理与分析、视频大数据与云计算、智能视频监控与公共安全等,该团队主持国家自然科学基金项目两项、安徽省自然科学基金项目一项,主持中电集团第三十八研究所、科力信息公司等企业委托项目多项,其中研究成果“多源多模态视频智能处理关键技术及应用”获2017年度安徽省科技进步二等奖、“虚拟卡口”获2017年度中电集团科学技术一等奖。

相关论文

汪荣贵, 刘雷雷, 杨娟, 等. 基于聚类和协同表示的超分辨率重建[J]. 光电工程, 2018, 45(4): 170537.

DOI:10.12086/oee.2018.170537