基于耦合字典学习的低秩核范数正则人脸图像超分辨方法

本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。该方法的具体步骤如下：

1. 首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；
2. 其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块；
3. 然后，整合高质量测试图像块，获得高质量测试图像；
4. 最后，对上述步骤进行多次迭代，输出最终的高质量测试图像。

通过以上步骤，该方法能够有效地提升人脸图像的分辨率。

本发明公开了一种基于耦合字典学习的低秩核范数正则人脸图像超分辨方法，属于图像处理领域。本方法首先以图像中每个像素位置为中心，获取低质量测试样本和低质量训练样本图像各个像素位置的图像块；其次，通过基于耦合字典学习的低秩核范数正则编码算法，获得低质量测试图像块对应的高质量测试图像块，并整合高质量测试图像块，获得高质量测试图像；最后，对上述步骤迭代多次，输出最终的高质量的测试图像。