基于分层树回归模型的快速图像超分辨率重建算法

设计了一种改进的分层树模型来实现图像实时超分辨率重建.其核心思想是在压缩的图像空间中训练分层树,来获得最优树节点参数和叶子节点回归矩阵,从而达到实时目的.与原始的分层树模型相比,有如下改进·在图像预处理部分,提出通过幅值、相位、频率变换极大压缩图像空间,从而加快训练速度和提高重建质量.在模型设计部分,去掉将低分辨率图像线性插值这一步骤,提出将低分辨率图像和高分辨率图像直接进行回归训练,从而减少模型参数数量·在理论部分,从泰勒展式的角度和离散余弦变换(DCT)的角度分别解释了模型设计和图像空间压缩的合理性.实验结果表明,在传统实时超分辨率重建方法中,所提出的新方法在重建效果上有较明显优势.同时与其他超分辨率模型相比,新方法所需参数较少,可极大节省硬件成本.模型可应用于以CPU为主的移动设备进行图像或视频的快速超分辨率重建.

Hierarchical Tree-based Regression Model for Fast Image Super-Resolution Reconstruction