图像超分辨重建MATLAB源代码迭代步长自适应

传统的超分辨重建算法往往采用梯度下降法进行求解，迭代时步长往往通过经验确定。而且不同的图像的最优步长往往不相同。步长过大会导致发散，步长过小会导致收敛缓慢。本算法基于对正则化超分辨重建算法实现的基础上，对步长的选取进行了优化，推导出了每次迭代时的最优步长大小，并将其自适应化，改进了超分辨算法的收敛性，从而能够在更短的时间内取得更加精确的重建结果。相关具体内容请参考对应的论文：Yingqian Wang, Jungang Yang, Chao Xiao, and Wei An, "Fast convergence strategy for multi-image superresolution via adaptive line search," IEEE Access, vol. 6, no. 1, pp. 9129-9139.

function ssim = cal_ssim（ im1 im2 b_row b_col）

[h w ch] = size（ im1 ）;
ssim = 0;
if （ch == 1）
    ssim = ssim_index （ im1（b_row+1:h-b_row b_col+1:w-b_col） im2（b_row+1:h-b_rowb_col+1:w-b_col））;
else
    for i = 1:ch
        ssim = ssim + ssim_index （ im1（b_row+1:h-b_row b_col+1:w-b_col i） im2（b_row+1:h-b_rowb_col+1:w-b_col i））;
    end
    ssim = ssim/3;
end
return

function [mssim ssim_map] = ssim_index（img1 img2 K window L）

% ========================================================================
% SSIM Index with automatic downsampling Version 1.0
% Copyright（c） 2009 Zhou Wang
% All Rights Reserved.
%
% ----------------------------------------------------------------------
% Permission to use copy or modify this software and its documentation
% for educational and research purposes only and without fee is hereby
% granted provided that this copyright notice and the original authors‘
% names appear on all copies and supporting documentation. This program
% shall not be used rewritten or adapted as the basis of a commercial
% software or hardware product without first obtaining permission of the
% authors. The authors make no representations about the suitability of
% this software for any purpose. It is provided “as is“ without express
% or implied warranty.
%----------------------------------------------------------------------
%
% This is an implementation of the algorithm for calculating the
% Structural SIMilarity （SSIM） index between two images
%
% Please refer to the following paper and the website with suggested usage
%
% Z. Wang A. C. Bovik H. R. Sheikh and E. P. Simoncelli “Image
% quality assessment: From error visibility to structural similarity“
% IEEE Transactios on Image Processing vol. 13 no. 4 pp. 600-612
% Apr. 2004.
%
% http://www.ece.uwaterloo.ca/~z70wang/research/ssim/
%
% Note: This program is different from ssim_index.m where no automatic
% downsampling is performed. （downsampling was done in the above paper
% and was described as suggested usage in the above website.）
%
% Kindly report any suggestions or corrections to zhouwang@ieee.org
%
%----------------------------------------------------------------------
%
%Input : （1） img1: the first image being compared
%        （2） img2: the second image being compared
%        （3） K: constants in the SSIM index formula （see the above
%            reference）. defualt value: K = [0.01 0.03]
%        （4） window: local window for statistics （see the above
%            reference）. default widnow is Gaussian given by
%            window = fspecial（‘gaussian‘ 11 1.5）;
%        （5） L: dynamic range of the images. default: L = 255
%
%Output: （1） mssim: the mean SSIM index value between 2 images.
%            If one of the images being compared is regarded as 
%            perfect quality then mssim can be considered as the
%            quality measure of the other image.
%            I

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       6779  2017-10-07 11:07  Wang2018Fast\cal_ssim.m

     文件       3554  2018-05-23 21:20  Wang2018Fast\Demo_run.m

     文件        349  2018-05-23 21:18  Wang2018Fast\Gradient_BTV.m

     文件        288  2018-05-23 21:19  Wang2018Fast\HR2LR.m

     文件        478  2018-05-23 21:16  Wang2018Fast\ImDegrate.m

     文件        437  2018-05-23 21:17  Wang2018Fast\ImWarp.m

     文件        536  2018-05-23 21:18  Wang2018Fast\L2GradientBackProject.m

     文件        724  2018-05-23 21:18  Wang2018Fast\line_search.m

     文件        341  2018-05-23 21:19  Wang2018Fast\LR2HR.m

     文件       2263  2018-05-23 21:13  Wang2018Fast\readme.txt

     文件    1244214  2013-10-06 16:07  Wang2018Fast\Set\01.bmp

     文件     786486  2013-10-06 16:07  Wang2018Fast\Set\02.bmp

     文件     786486  2013-10-06 16:07  Wang2018Fast\Set\03.bmp

     文件     786486  2013-10-06 16:07  Wang2018Fast\Set\04.bmp

     文件     720054  2013-10-06 16:07  Wang2018Fast\Set\05.bmp

     文件     679830  2017-10-21 07:57  Wang2018Fast\Set\06.bmp

     文件     540054  2017-10-21 07:58  Wang2018Fast\Set\07.bmp

     文件     267894  2017-10-21 19:02  Wang2018Fast\Set\08.bmp

     文件     248886  2013-10-06 16:07  Wang2018Fast\Set\09.bmp

     文件     235350  2013-10-06 16:07  Wang2018Fast\Set\10.bmp

     文件     235254  2013-10-06 16:07  Wang2018Fast\Set\11.bmp

     文件     196730  2013-10-06 16:07  Wang2018Fast\Set\12.bmp

     文件    1179702  2013-10-06 16:07  Wang2018Fast\Set\13.bmp

     文件    1039158  2017-11-02 16:55  Wang2018Fast\Set\14.bmp

     文件     304182  2013-10-06 16:07  Wang2018Fast\Set\15.bmp

     文件     263222  2013-10-06 16:07  Wang2018Fast\Set\16.bmp

     文件     304182  2013-10-06 16:07  Wang2018Fast\Set\17.bmp

     文件     786486  2013-10-06 16:07  Wang2018Fast\Set\18.bmp

     文件       2493  2017-04-15 11:13  Wang2018Fast\shift.m

     文件        165  2018-05-23 21:18  Wang2018Fast\Tikhonov.m

............此处省略7个文件信息