%0 Journal Article
%T 采用交替K-奇异值分解字典训练的图像超分辨率算法<br>Image Super-resolution Based on Alternate K-Singular Value Decomposition
%A 徐健
%A 常志国
%A 张小丹&lt
%A br&gt
%A XU Jian
%A CHANG Zhiguo
%A ZHANG Xiaodan
%J 武汉大学学报·信息科学版
%D 2017
%R 10.13203/j.whugis20150095
%X 采用稀疏表示的图像超分辨率算法中，双字典训练算法与字典的细节恢复能力相关，针对已有双字典训练算法使字典缺乏高频细节信息的特点，提出了一种交替K-奇异值分解字典训练算法。该算法分为训练和测试部分。在训练部分每次字典更新都采用奇异值分解所得到的向量对低高频样本块进行最佳低秩逼近，使得低高频样本块随着迭代次数的增加逐渐取得相同或者相似的稀疏表示系数。在测试过程中，测试低频样本块可以利用低频字典取得的稀疏表示系数与高频字典相乘得到高频细节信息。实验表明，与目前已有算法相比，该算法能够得到高频细节较丰富的图像，平均峰值信噪提高0.3 dB以上，结构相似度提高0.01左右
%K 图像超分辨率
%K 稀疏表示
%K 字典训练
%K 奇异值分解
%K &lt
%K br&gt
%K super-resolution
%K sparse representation
%K dictionary training
%K singular value decomposition
%U http://ch.whu.edu.cn/CN/abstract/abstract5808.shtml