基于DCT变换和零次学习的刑侦图像超分辨率

图像超分辨率在视频监控领域发挥着重要作用。基于Alpine的超分辨率算法通常在训练过程中输入合成的低分辨率图像来学习高分辨率和低分辨率图像的映射，这很难应用于视频监控领域。真实低分辨率图像的退化过程复杂且未知，大多数图像都是通过压缩算法处理的，在人工压缩的基础上，针对真实场景中的低分辨率图像，提出了一种基于离散余弦变换（DCT）和零样本学习的超分辨率算法。该算法利用图像中的重复相似性，利用输入图像本身的子图像进行训练。与以往的超分辨率网络的输入不同，该算法使用子图像的离散余弦变换系数作为超分辨率网络的输入，避免了网络放大输入图像的压缩痕迹，减少了虚假纹理。在标准数据集和真实的刑侦图像上的实验结果表明，该算法可以减少图像中压缩痕迹造成的虚假纹理