一种改进的稀疏系数独立可调的超分算法

　　针对基于学习的超分辨率重建图像边缘锐度较好但伪影较明显的问题，提出一种改进的稀疏系数独立可调的超分算法以消除伪影。由于字典训练阶段高分辨率图像和低分辨率图像均已知，认为高维图像空间和低维图像空间对应的稀疏系数不同，故此阶段运用在线字典学习方法分开训练生成较精确的高分字典和低分字典；而在图像重建阶段低分图像已知而高分图像未知，认为两空间的稀疏系数是近似相同的。通过在这两个阶段设置不同的正则化参数，可独立地调整相应的稀疏系数以获得最好的超分效果。实验结果表明，目标高分图像峰值信噪比（ PSNR）相比稀疏编码超分方法平均提高了0. 45 dB，同时结构相似性（SSIM）指标增加了0.011。超分图像有效地抑制了伪影，并能够较好地恢复图像边缘锐度和纹理细节，提升了超分效果。