论文研究 基于图像超分辨率重构的MCA和PCA降维

图像超分辨率（SR）重建是使用一定数量的先验知识从同一场景中的一个或一系列低分辨率（LR）图像重建高分辨率（HR）图像。基于学习的算法是一种有效的图像超分辨率重建算法。该算法的核心思想是利用图像的训练实例来增加测试图像的高频信息，从而达到图像超分辨率重建的目的。本文提出了一种基于形态成分分析（MCA）和字典学习的图像超分辨率新算法。基于MCA分解的SR算法利用MCA将图像分解为纹理部分和结构部分，仅采用纹理部分来训练字典。纹理部分的重建基于稀疏表示，而结构部分的重建基于更快的方法（三次三次插值）。所提出的方法提高了图像的鲁棒性，同时针对纹理和结构部件的不同特征，使用不同的重构算法，