基于自适应约束正则hl-mrf先验模型的map超分辨率重建

？针对huber-mrf先验模型对图像高频噪声抑制能力较差,而gauss-mrf先验模型对图像高频过度惩罚的问题,提出了一种改进的自适应约束正则hl-mrf先验模型。该模型将huber边缘惩罚低频函数与lorentzian边缘惩罚高频函数相结合,对低频进行线性约束的同时对高频实现平滑惩罚;并采用自适应约束方法确定正则化参数,从而得到最优的参数解。与基于gauss-mrf先验模型和huber-mrf先验模型的超分辨率算法相比,hl-mrf先验模型获得的超分辨率重建图像在峰值信噪比(psnr)和细节方面都有一定程度的提高,在抑制高频噪声、避免图像细节被过度平滑方面具有一定的优势。