基于改进的非下采样Contourlet变换的超分辨率复原算法

Contourlet变换应用于图像复原时容易引入伪吉布斯现象。非下采样Contourlet变换(NSCT)具有平移不变性, 能够克服伪吉布斯现象, 但是由于基于学习的超分辨率复原需要建立不同分辨率的关系, 而NSCT变换的结果是每一层图像大小都一样, 不能像拉普拉斯金字塔那样建立高低分辨率图像的对应关系及运算量较大。针对这些问题, 提出了基于改进的非下采样Contourlet变换(INSCT)的超分辨率复原算法。为了表示人脸特征, 算法首先建立了INSCT金字塔。然后针对人脸的特殊性, 在匹配过程中, 采用对应点进行匹配的方法。实验表明该算法具有较好的性能, 复原出的超分辨率人脸图像无论在主观视觉效果上还是在客观评价指标上都取得较好的结果, 复原的图像具有更好的视觉效果, 更逼真, 更接近于原始高分辨率图像。