为了进一步提高图像超分辨率重建的质量, 针对非局部集中稀疏表示算法中重建图像的噪声问题, 提出了一种基于专家场先验模型的图像超分辨率重建改进算法。首先, 利用专家场模型从图像训练集中学习整幅图像的先验知识建立全局先验模型; 然后将学习到的先验信息用于非局部集中稀疏表示模型求解最优稀疏表示系数; 最后, 得到高分辨率图像估计。该算法在超分辨率重建迭代运算的同时, 同步更新专家场模型参数, 因此在不显著增加运算复杂度的情况下, 通过选取合适的先验约束, 有效地增强了图像重建的效果。实验结果表明: 相比非局部集中稀疏表示算法, 文中算法对无噪和有噪降质图像均能取得较好的峰值信噪比结果, 并且能够进一步提高有噪图像的去噪效果。

针对卷积稀疏编码算法中特征映射的准确性的问题, 为了进一步提高图像超分辨率重建的的质量, 文中提出一种基于卷积稀疏自编码的图像超分辨率重建算法。该算法首先在预训练阶段利用稀疏自编码器对输入高低分辨率图像分别进行训练, 得到对应的图像稀疏特征表示; 然后再由卷积神经网络根据得到的稀疏系数共同训练相应的滤波器及特征映射函数并更新到最优解; 最后由高分辨率滤波器和对应的稀疏表示系数卷积求和, 得到高分辨率重建图像估计。实验结果显示, 改进算法的峰值信噪比(PSNR)结果较卷积稀疏编码算法提高了近0.1 dB, 有效提高了重建图像的质量。