基于耦合字典學(xué)習(xí)和流形嵌入的圖像超分辨率重建.pdf

1、由于實(shí)際應(yīng)用中的物理成像系統(tǒng)和成像環(huán)境的限制，如光學(xué)模糊、運(yùn)動模糊、下采樣和系統(tǒng)噪聲，人們很難獲得一幅理想的高分辨率（HR，High Resolution）圖像或圖像序列。圖像超分辨率重建技術(shù)由于其易于實(shí)現(xiàn)且能有效地產(chǎn)生高質(zhì)量的圖像而備受關(guān)注，并廣泛用于如計算機(jī)視覺、視頻監(jiān)控、遙感成像等領(lǐng)域中。本文針對基于稀疏表示的方法進(jìn)行了深入的研究，提出了兩種超分辨率重建算法。
　　基于稀疏表示的單幀圖像超分辨率重建的關(guān)鍵問題是建立樣本庫中已

2、有的高-低分辨率（LR，Low Resolution）圖像稀疏系數(shù)之間的映射關(guān)系，指導(dǎo)測試集中低分辨率圖像的超分辨率過程，以獲得符合視覺感受的高質(zhì)量圖像。然而，現(xiàn)有的基于稀疏表示的圖像超分辨率方法僅利用簡單的字典學(xué)習(xí)模型重建源圖像，不能有效地擬合訓(xùn)練數(shù)據(jù)，從而降低了重建圖像的質(zhì)量。本文針對這一問題提出了基于耦合Fisher判別性字典學(xué)習(xí)的圖像超分辨率重建方法。利用該字典學(xué)習(xí)模型，可以得到屬于同類別的高分辨率圖像塊和相應(yīng)的低分辨率圖像塊的

3、判別性字典對。然后，對同一類的高分辨率圖像塊和低分辨率圖像塊進(jìn)行稀疏表示，這樣既能發(fā)掘它們之間的本質(zhì)關(guān)系又能提高該方法的計算效率。實(shí)驗(yàn)表明，該算法在主客觀視覺質(zhì)量評測指標(biāo)上均有顯著的提高。
　　上述方法分別為每一類圖像塊訓(xùn)練判別性字典，但是忽略了其他類字典對該類圖像的表示能力。僅利用一類字典進(jìn)行稀疏表示，會導(dǎo)致稀疏系數(shù)存在誤差。為了解決這一問題，本文提出了基于耦合字典學(xué)習(xí)和流形嵌入的圖像超分辨率重建方法。首先，將類別子字典投影到G