基于高斯過(guò)程回歸的圖像超分辨重建技術(shù)研究.pdf

1、圖像已經(jīng)成為人們?nèi)粘Ｉ詈蜕a(chǎn)活動(dòng)中最廣泛的信息載體之一。然而在實(shí)際應(yīng)用中，由于成像設(shè)備硬件條件的限制和成像環(huán)境等因素的影響，人們很難獲得高分辨率的圖像，這對(duì)后續(xù)圖像的使用和處理帶來(lái)很多困難。如何提高所獲取圖像的分辨率、改善圖像質(zhì)量，成為圖像處理領(lǐng)域極具挑戰(zhàn)性的課題。由于通過(guò)改善硬件設(shè)備來(lái)提高圖像分辨率的代價(jià)很高，因此學(xué)者們紛紛從軟件方面入手來(lái)提高圖像的分辨率。圖像超分辨率技術(shù)就是利用現(xiàn)有的低分辨率圖像資源，設(shè)計(jì)模型、算法重建出高分辨率

2、、高質(zhì)量的圖像，是解決超分辯重建問(wèn)題經(jīng)濟(jì)且有效的方法。該技術(shù)在計(jì)算機(jī)視覺(jué)、視頻監(jiān)控、醫(yī)療圖像、遙感成像以及生活?yuàn)蕵?lè)等方面有廣泛的應(yīng)用前景，是視頻圖像處理領(lǐng)域的一個(gè)研究熱點(diǎn)。
　　基于學(xué)習(xí)的超分辨率重建是一個(gè)非?；钴S的研究主題。該領(lǐng)域的研究已經(jīng)取得了長(zhǎng)足的進(jìn)展，繼稀疏表示這一流行的工具解決超分重建之后，深度學(xué)習(xí)這一新興的工具也被引入到超分重建研究中，其初步結(jié)果表明深度神經(jīng)網(wǎng)絡(luò)能較大幅度的提升超分重建圖像的質(zhì)量，而理論研究證明某種收斂

3、的神經(jīng)網(wǎng)絡(luò)等價(jià)于高斯過(guò)程。本文試圖通過(guò)高斯過(guò)程回歸這一數(shù)學(xué)工具對(duì)超分重建進(jìn)行求解。高斯過(guò)程回歸的優(yōu)勢(shì)在于:有著嚴(yán)格的統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)，不需要指定回歸函數(shù)的具體形式，模型由數(shù)據(jù)來(lái)驅(qū)動(dòng)，而且?guī)в徐`活的概率輸出。通過(guò)高斯過(guò)程回歸直接對(duì)超分問(wèn)題進(jìn)行數(shù)學(xué)建模，能夠簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、訓(xùn)練等方面的繁雜操作，直接明確地探討數(shù)據(jù)與數(shù)學(xué)模型之間的關(guān)系。然而，現(xiàn)有的超分重建研究還鮮少有對(duì)基于高斯過(guò)程回歸的超分重建研究的討論。主要原因在于，高斯過(guò)程回歸計(jì)算復(fù)雜

4、度高，現(xiàn)有的算法只能處理中等規(guī)模的問(wèn)題。基于高斯過(guò)程回歸的超分研究有很大的發(fā)展空間。本文主要研究如何利用高斯過(guò)程回歸對(duì)超分重建問(wèn)題進(jìn)行數(shù)學(xué)建模，針對(duì)高斯過(guò)程回歸時(shí)間復(fù)雜度高的不足以及圖像的先驗(yàn)信息，設(shè)計(jì)超分重建算法。本文取得的主要?jiǎng)?chuàng)新成果如下:
　　1.提出一種基于數(shù)據(jù)驅(qū)動(dòng)的高斯過(guò)程回歸的圖像超分辨率重建方法。針對(duì)傳統(tǒng)參數(shù)回歸需要假設(shè)具體回歸函數(shù)，并且當(dāng)假設(shè)和真實(shí)數(shù)據(jù)模型不一致時(shí)會(huì)出現(xiàn)較大誤差的問(wèn)題，提出使用高斯過(guò)程回歸這一非參數(shù)

5、回歸模型建立高低分辨率圖像間的映射關(guān)系，能夠從數(shù)據(jù)自身確定回歸函數(shù)模型，達(dá)到提高重建圖像質(zhì)量的目的。另一方面，針對(duì)每個(gè)待重建的低分辨率圖像塊，使用訓(xùn)練集中的Ⅳ近鄰作為訓(xùn)練樣本，由這些相似數(shù)據(jù)集確定高斯過(guò)程回歸模型。最后，結(jié)合全局約束和一致性先驗(yàn)，進(jìn)一步提高超分辨率重建圖像的質(zhì)量。實(shí)驗(yàn)結(jié)果說(shuō)明該方法能夠獲得優(yōu)秀的重建結(jié)果。
　　2.提出基于錨點(diǎn)的高斯過(guò)程回歸圖像超分辨率重建方法。針對(duì)基于數(shù)據(jù)驅(qū)動(dòng)高斯過(guò)程回歸方法時(shí)間復(fù)雜度高的問(wèn)題，提

6、出了基于錨點(diǎn)的高斯過(guò)程回歸方法，離線訓(xùn)練高斯過(guò)程模型，極大地提高重建效率。在訓(xùn)練階段，將訓(xùn)練樣本聚類，每個(gè)聚類中心的Ⅳ近鄰構(gòu)成訓(xùn)練集，離線訓(xùn)練高斯過(guò)程模型。在重建階段，直接使用離線訓(xùn)練的模型，能夠顯著降低時(shí)間復(fù)雜度。雖然重建效果有所下降，不過(guò)還是保持了具有可比性的結(jié)果。
　　3.提出基于稀疏高斯過(guò)程回歸的圖像超分辨率重建方法。針對(duì)基于錨點(diǎn)的高斯過(guò)程回歸方法重建效果下降的問(wèn)題，提出了稀疏高斯過(guò)程回歸方法。該方法將訓(xùn)練集分成各個(gè)子空間

7、，在子空間內(nèi)部，選擇一個(gè)子集作為訓(xùn)練樣本，然后利用稀疏偽輸入高斯過(guò)程回歸近似算法離線訓(xùn)練高斯過(guò)程回歸模型。實(shí)驗(yàn)結(jié)果說(shuō)明，該方法在顯著降低時(shí)間復(fù)雜度的同時(shí)，能夠提高圖像重建質(zhì)量。
　　4.提出基于多核高斯過(guò)程回歸的圖像超分辨重建方法。高斯過(guò)程回歸的結(jié)果與核函數(shù)的形式以及參數(shù)相關(guān)，選擇合適的核函數(shù)能夠提高算法的重建精度。針對(duì)這個(gè)性質(zhì)，結(jié)合多核學(xué)習(xí)理論，在稀疏高斯過(guò)程回歸方法的基礎(chǔ)上，提出將核函數(shù)擴(kuò)展成多核函數(shù)的多核高斯過(guò)程回歸方法。實(shí)