基于多字典学习超分辨率重建

　　针对单一冗余字典在稀疏表示图像超分辨率重建结果出现不清晰、伪影以及重建过程编码效率不高、运算时间过长的问题，提出一种基于多字典学习和图像块映射的超分辨率重建方法。该方法在传统稀疏表示的框架下，首先探索局部图像块的梯度结构信息，按梯度角度将训练样本块分类；然后为每个子类样本集学习高低分辨率字典对，再结合最近邻思想应用生成的字典，为每个子类计算从低分辨率块到高分辨率块映射的函数；最后将重建过程简化为输入块和映射函数的乘积，在保证提高重建质量的同时减少了图像重建的时间。实验结果表明，所提算法在视觉效果有较大的提升，同时与锚点邻域回归算法相比，评价参数峰值信噪比（ PSNR）平均提高约0.4 dB。