针对基于稀疏不变性假设的单帧超分辨率(SR)算法的局限性,提出一种利用相似最近邻(ANN)统计预测模型的单帧SR算法。首先,利用相似最近邻思想,通过波尔茨曼机捕捉HR字典与LR字典对稀疏模式之间的依赖关系,建立统计预测模型;然后,根据LR块...针对基于稀疏不变性假设的单帧超分辨率(SR)算法的局限性,提出一种利用相似最近邻(ANN)统计预测模型的单帧SR算法。首先,利用相似最近邻思想,通过波尔茨曼机捕捉HR字典与LR字典对稀疏模式之间的依赖关系,建立统计预测模型;然后,根据LR块与HR块相关的最小均方误差(MMSE)计算网络参数,获得它们的依赖关系;最后,利用多层前向神经网络提取字典元素内积,通过计算重叠局部块预测值的均值来重建图像。利用峰值信噪比PSNR和结构相似性度量SSIM评估实验结果,实验结果表明,提出的算法在视觉效果和数值标准方面大多优于其他算法,在选择合适参数情况下,峰值信噪比至少提高0.2 d B。展开更多
文摘针对基于稀疏不变性假设的单帧超分辨率(SR)算法的局限性,提出一种利用相似最近邻(ANN)统计预测模型的单帧SR算法。首先,利用相似最近邻思想,通过波尔茨曼机捕捉HR字典与LR字典对稀疏模式之间的依赖关系,建立统计预测模型;然后,根据LR块与HR块相关的最小均方误差(MMSE)计算网络参数,获得它们的依赖关系;最后,利用多层前向神经网络提取字典元素内积,通过计算重叠局部块预测值的均值来重建图像。利用峰值信噪比PSNR和结构相似性度量SSIM评估实验结果,实验结果表明,提出的算法在视觉效果和数值标准方面大多优于其他算法,在选择合适参数情况下,峰值信噪比至少提高0.2 d B。
