基于改进机器学习的超分辨率图像细节复原

相对于低分辨率图像，高分辨率图像需要增加的像素数目更多，且需要增加高频信息以提升图像的清晰度，当图像目标与背景之间对比度较大时，图像高频细节信息复原难度较高。为此，提出基于改进机器学习的超分辨率图像细节复原方法。对图像去噪，并结合采用双边滤波方法实现图像的对比度增强；利用改进字典的机器学习算法建立双层字典，结合稀疏表示算法获取一层的粗略复原图像；通过二层字典计算一层复原图像与原始图像之间的差值，建立高分辨率样本，并对其开展二层字典训练，通过训练结构实现超分辨率图像的细节复原。实验结果表明，研究方法应用下峰值信噪比可保持在20dB以上，细节复原均方差低于4×10^-3,结构相似性指标更高，高分辨率图像的训练效果更好，特征对比明显，细节信息突出。