作者：赵盼; 高中文; 韩华; 李国庆快速超分辨率离散余弦变换贝叶斯学习图像空间压缩图像视频处理
摘要：设计了一种改进的分层树模型来实现图像实时超分辨率重建.其核心思想是在压缩的图像空间中训练分层树,来获得最优树节点参数和叶子节点回归矩阵,从而达到实时目的.与原始的分层树模型相比,有如下改进·在图像预处理部分,提出通过幅值、相位、频率变换极大压缩图像空间,从而加快训练速度和提高重建质量.在模型设计部分,去掉将低分辨率图像线性插值这一步骤,提出将低分辨率图像和高分辨率图像直接进行回归训练,从而减少模型参数数量·在理论部分,从泰勒展式的角度和离散余弦变换(DCT)的角度分别解释了模型设计和图像空间压缩的合理性.实验结果表明,在传统实时超分辨率重建方法中,所提出的新方法在重建效果上有较明显优势.同时与其他超分辨率模型相比,新方法所需参数较少,可极大节省硬件成本.模型可应用于以CPU为主的移动设备进行图像或视频的快速超分辨率重建.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
