基于稀疏表示的超分辨率圖像重建算法研究.pdf

1、超分辨率圖像重建是以同一場景的一幅或多幅低分辨率圖像為輸入,結(jié)合一定的先驗(yàn)信息,重構(gòu)出一幅高分辨率圖像的技術(shù)。這一技術(shù)在不改變現(xiàn)有硬件設(shè)備的前提下,能夠有效地提高圖像分辨率,改善圖像質(zhì)量。
　　本文對(duì)基于稀疏表示理論的超分辨率圖像重建算法進(jìn)行了研究。該方法采用基于圖像塊的處理策略,是壓縮感知理論在超分辨率圖像重建領(lǐng)域的應(yīng)用,即高分辨率圖像塊的稀疏表示系數(shù)可由其相應(yīng)下采樣后的低分辨率圖像塊精確恢復(fù)。通過聯(lián)合訓(xùn)練可得到高低分辨率字典對(duì)

2、,并求取輸入低分辨率圖像塊在低分辨率字典下的稀疏表示系數(shù),然后利用該稀疏表示系數(shù)結(jié)合高分辨率字典得到與輸入低分辨率圖像塊相對(duì)應(yīng)的高分辨率圖像塊。
　　為提高高低分辨率訓(xùn)練樣本的匹配性,提出了一種改進(jìn)學(xué)習(xí)樣本的字典訓(xùn)練方法。在聯(lián)合冗余字典訓(xùn)練樣本的獲取中,采用兩種改善訓(xùn)練樣本質(zhì)量的方法:1)采用高分辨率圖像塊的高頻分量,構(gòu)成高分辨率圖像樣本,同等條件下冗余字典對(duì)訓(xùn)練所需樣本數(shù)較少,縮短了字典訓(xùn)練用時(shí),獲得更好的超分辨率圖像重建效果;

3、2)提出采用改進(jìn)的多閾值BLBP算子,有效地提取低分辨率圖像塊的紋理特征,包括圖像的微觀結(jié)構(gòu)信息和宏觀結(jié)構(gòu)信息,并應(yīng)用到低分辨率訓(xùn)練樣本的構(gòu)成中,提高了匹配的準(zhǔn)確性,改善了圖像重建的質(zhì)量。
　　通過實(shí)驗(yàn)對(duì)冗余字典的大小、正則化系數(shù)以及字典訓(xùn)練樣本數(shù)量等重建參數(shù)對(duì)圖像重建質(zhì)量的影響進(jìn)行了詳細(xì)分析,給出了重建參數(shù)選擇的指導(dǎo)性建議。
　　針對(duì)基于信號(hào)稀疏表示的超分辨率圖像重建算法計(jì)算復(fù)雜度高的問題,給出了基于圖像塊特征的自適應(yīng)快速