基于學習的圖像超分辨率復原算法研究.pdf

1、超分辨率圖像復原技術作為數(shù)字圖像處理領域內(nèi)的一個十分重要的分支，近些年來已經(jīng)被廣泛的運用在視頻安全監(jiān)控、遙感圖像處理、計算機視覺、醫(yī)療數(shù)字影像處理等各項領域。
　　基于學習的超分辨率技術是近年來用途最豐富的圖像恢復技術。該方法通過學習來獲得高、低分辨率圖像樣例的相關性，以此來指導圖像的恢復，以待復原圖像作為依據(jù)，通過學習獲得信息來對圖像進行補充和優(yōu)化。基于學習的算法的特點在于其對圖像的重構準確，有較強的圖像特征保持性，對圖像噪聲的

2、魯棒性強。在基于學習的框架之下，本課題以提升圖像的視覺效果作為最終目標，對基于學習的超分辨率算法進行了較為深入的研究。主要內(nèi)容有:
　　首先，在基于學習的算法基礎上，充分結合稀疏表示理論，利用K-SVD字典學習算法構建學習字典，在保證重構圖像忠實性的前提下，縮減了冗余字典的規(guī)模，利用高、低分辨率之間的映射關系復原出高分辨率圖像，不但可以使算法的復雜度有所下降，而且增強了字典的表達能力。
　　然后，提出基于內(nèi)容的字典學習的超分

3、辨率復原方法。根據(jù)訓練圖像內(nèi)容間的差異性，引入了聚類的概念，利用聚類的算法將一個較為完整且規(guī)模較大的訓練字典分為不同的類別，并根據(jù)待復原圖像的內(nèi)容，有針對性的選擇分類，進行圖像復原，使算法更具有區(qū)分性和針對性，能夠讓圖像具備更佳的自適應能力。相對于傳統(tǒng)的超分辨率復原算法，該算法無論是在SSIM還是PNSR等客觀測試數(shù)據(jù)以及主觀視覺效果上都具有一定優(yōu)勢。
　　最后，給出了基于內(nèi)容的雙字典學習的超分辨率重構算法。在將訓練圖像根據(jù)內(nèi)容分