图像稀疏表示的超分辨率重建，用于图像处理

资 源 简 介

图像稀疏表示的超分辨率重建，用于图像处理

详 情 说 明

稀疏表示在超分辨率重建中的应用

超分辨率重建技术旨在从低分辨率图像中恢复出高分辨率细节，使重建结果更接近原始场景。基于稀疏表示的方法因其有效性成为经典研究方向，其中Yang等人提出的算法框架具有里程碑意义。

核心思路可分为三个关键阶段：

字典训练阶段 通过采集高/低分辨率图像块对，采用K-SVD等算法联合训练耦合字典。高分辨率字典捕捉细节特征，低分辨率字典则学习对应的抽象表示，两者共享相同的稀疏编码。

稀疏编码阶段 输入低分辨率图像分块后，利用OMP等算法在低分辨率字典上求解稀疏系数。此时核心假设成立：该系数在高分辨率字典中能激活对应的细节结构。

重建优化阶段 将求得的稀疏系数映射到高分辨率字典生成初始高分辨率块，最后通过全局约束（如邻域一致性）消除块效应，得到视觉连贯的超分辨率结果。

Yang算法的突破性在于验证了跨尺度稀疏性保持的可行性，后续改进多围绕字典优化（如非局部相似性约束）和稀疏求解效率提升展开。实际应用中需注意字典的通用性与专用性平衡——过拟合的字典会导致伪影，而通用字典可能丢失特定场景特征。