基于稀疏表示的圖像超分辨率復(fù)原研究.pdf

1、隨著科技的發(fā)展，人們對信息的需求與日俱增，圖像成為人類傳遞信息的最重要的載體之一。然而，由于成像設(shè)備自身固有的物理局限性和不可預(yù)知的外部環(huán)境等不利因素的影響，獲得的圖像往往存在一定的退化。如何基于現(xiàn)有成像設(shè)備和當(dāng)前觀測圖像重建出高分辨率圖像，已成為當(dāng)今眾多圖像應(yīng)用的迫切需求。利用圖像的先驗約束或表示模型的超分辨率復(fù)原技術(shù)，就是解決這一問題的方法之一。作為一種新的圖像表示模型，稀疏表示可以刻畫圖像的內(nèi)在結(jié)構(gòu)和本質(zhì)屬性，被廣泛應(yīng)用于圖像處理

2、領(lǐng)域，并取得了較好的性能。本文對基于稀疏表示的圖像超分辨率復(fù)原做了探索性和創(chuàng)新性的研究，主要內(nèi)容有:
　　(1)探討了圖像超分辨率復(fù)原的研究現(xiàn)狀;闡述了圖像超分辨率復(fù)原的理論基礎(chǔ);闡述了稀疏表示理論的基本概念、數(shù)學(xué)模型、優(yōu)化算法，以及其在圖像處理領(lǐng)域的應(yīng)用。
　　(2)針對經(jīng)典基于聯(lián)合字典學(xué)習(xí)的圖像超分辨率方法面臨的訓(xùn)練和重建階段的不對稱問題，本文提出了一種改進(jìn)的離線耦合字典學(xué)習(xí)方法實現(xiàn)圖像的超分辨率重建。該方法以最小化高分

3、辨率樣本圖像塊的稀疏重構(gòu)誤差為目標(biāo)學(xué)習(xí)一對耦合字典，且稀疏編碼僅由低分辨率樣本圖像塊計算得到，這種字典學(xué)習(xí)策略保證了由低分辨率輸入圖像塊的稀疏表示可以較好地重構(gòu)其對應(yīng)的高分辨率圖像塊。為了更有效地建立高、低分辨率圖像塊之間的稀疏關(guān)聯(lián)，將低分辨率圖像塊的梯度特征和對應(yīng)高分辨率殘差圖像塊作為樣本對進(jìn)行字典訓(xùn)練。在重建階段，利用學(xué)習(xí)到的字典由低分辨率輸入圖像重建對應(yīng)的高分辨率殘差圖像，再進(jìn)行殘差補(bǔ)償，可以較準(zhǔn)確地恢復(fù)出高分辨率圖像中的高頻細(xì)節(jié)

4、信息。該方法在分辨率放大質(zhì)量上有良好的表現(xiàn)。
　　(3)純粹基于學(xué)習(xí)法的超分辨率方法對模糊退化圖像的超分辨率能力有限，針對該問題，本文在基于稀疏表示的超分辨率重建框架中引入非局部自相似性和圖像梯度的超拉普拉斯分布作為正則化約束，該重建框架可以利用不同先驗的特定優(yōu)勢和互補(bǔ)特性。為使稀疏域更好地表征高分辨率圖像，選取高分辨率圖像塊的高頻特征進(jìn)行稀疏表示。將字典學(xué)習(xí)融入到超分辨率重建過程中，即直接從當(dāng)前重構(gòu)的高分辨率圖像特征塊學(xué)習(xí)字典，

5、這種字典在線的學(xué)習(xí)方式充分利用了當(dāng)前重構(gòu)圖像的特定結(jié)構(gòu)，使字典可以隨著當(dāng)前重構(gòu)圖像自適應(yīng)更新，并且降低了訓(xùn)練樣本數(shù)量，提高了字典構(gòu)建效率。該方法可以對模糊含噪的低分辨率圖像實現(xiàn)良好的超分辨率重建。
　　(4)圖像超分辨率方法一般采用均方誤差作為優(yōu)化準(zhǔn)則，該度量未考慮圖像空間結(jié)構(gòu)性，會導(dǎo)致重建圖像不具有很好的感知質(zhì)量。針對該問題，提出了一種基于結(jié)構(gòu)相似度的稀疏正則化圖像超分辨率方法。在稀疏表示模型中引入結(jié)構(gòu)相似性度量，對信息保持項進(jìn)