基于廣義圖像先驗的圖像超分辨率重建算法研究.pdf

1、隨著圖像技術的應用和網(wǎng)絡數(shù)據(jù)的飛速增長，人們迫切需要獲取具有高分辨率的圖像數(shù)據(jù)。由于各種退化因素（如光學模糊、下采樣和噪聲）的影響，實際采集到圖像的空間分辨率往往不高。在不改變現(xiàn)有感光技術和圖像采集設備的前提下，圖像超分辨率重建技術是一種有效提高圖像空間分辨率的有力手段，在視頻監(jiān)控、醫(yī)學成像、遙感監(jiān)視，以及數(shù)字電視信號切換等領域，具有巨大的經(jīng)濟價值和廣泛的應用前景，已成為圖像處理領域中的一個研究熱點。
　　針對圖像超分辨率重建技術

2、面臨的關鍵性問題，本文在廣義圖像先驗思想的指導下，主要從非線性映射關系的估計、訓練樣本的劃分、特征子空間的構造、正則項的設計，以及非局部均值先驗等方面，對單幀圖像超分辨率重建算法進行了深入的研究，主要的研究成果有:
　　(1)提出了一種基于加權Boosting的超分辨率算法。針對每個待重建圖像塊，在核偏最小二乘回歸估計過程中，引入加權Boosting補償方案，自適應地計算出最佳成分矩陣，估計出目標高分辨率圖像塊的高頻細節(jié)，一定程度

3、上解決了傳統(tǒng)的核偏最小二乘算法對所有圖像塊選用相同數(shù)目的主元成分導致計算量大問題，而且在重構圖像質(zhì)量上也有所改善。
　　(2)針對從大訓練數(shù)據(jù)集里選取近鄰塊的速度不高問題，提出了一種基于聚類和加權Boosting的超分辨率算法。首先計算出低分辨率圖像塊的紋理特征向量，利用K-means聚類算法將大訓練數(shù)據(jù)集劃分成K個不同的訓練子集，對于每個待重建圖像塊，在對應的訓練子集里尋找與之相似的近鄰塊;然后使用加權Boosting回歸模型來

4、學習低分辨率和高分辨率圖像塊間的非線性映射關系，估計出重構圖像中的高頻細節(jié)，該算法具有較高的時間效率和較好的重建效果。
　　(3)針對低分辨率圖像塊的梯度特征向量在鄰域嵌入關系中的匹配精度不高問題，提出了一種基于子空間投影和鄰域嵌入的超分辨率算法。先將低分辨率圖像塊的高維梯度特征向量投影到核主元成分分析(Kernel Principal Component Analysis，KPCA)特征子空間上，然后將KPCA特征向量投影到基于

5、核距離的局部保留投影(ModifiedLocality Preserving Projection，MLPP)特征子空間上，在MLPP特征子空間上選取近鄰塊，提高了待重建圖像塊與近鄰塊間的匹配精度。通過梯度特征向量間的相似度和比例因子計算出用于鄰域嵌入的重構權值，與相應的訓練高分辨率圖像塊一起近似表示出目標高分辨率圖像塊，有效地提高了超分辨率重建圖像的質(zhì)量。
　　(4)考慮到自然圖像邊緣的多方向性，以及邊緣在其主方向上的組稀疏性，

6、提出了一種基于方向稀疏和方向特征的超分辨率算法。先利用多尺度多方向的Curvelet變換提取圖像的Curvelet系數(shù)，將這些系數(shù)劃分成16個不同的集合，然后利用Curvelet逆變換對每個方向集合進行重構，得到對應的方向特征圖像，構造出一個組合總變分正則項，有效保留邊緣的全局和局部幾何結構。利用低分辨率圖像塊中的亮度信息和方向特征信息，估計相似權值，構造出方向非局部均值正則項，該算法在保持清晰的圖像邊緣和恢復豐富的紋理細節(jié)方面取到了較

7、好的結果。
　　(5)現(xiàn)有的非局部均值方法在近鄰塊的選取上很大程度依賴于搜索區(qū)域的選擇，需要大量的經(jīng)驗研究時間。為此，提出了一種基于超像素分割和非局部均值的超分辨率算法，有效提高現(xiàn)有圖像超分辨率算法的性能。該方法先利用超像素分割技術將圖像劃分成很多個形狀不規(guī)則的區(qū)域，根據(jù)目標像素點的一個小鄰域內(nèi)超像素分割標簽索引號，自適應地選擇一個或多個超像素作為其搜索區(qū)域，并在該區(qū)域內(nèi)進行近鄰塊的選取，獲得較高的匹配精度，構造非局部均值正則項。