基于稀疏表示的圖像超分辨率重構技術研究.pdf

1、提高圖像分辨率是開展圖像科學研究及其工程應用的不懈追求，然而在一定程度上會導致系統(tǒng)的復雜化和任務的大幅增加。如何基于現(xiàn)有捕獲設備和已有觀測結果，恢復或重構出高分辨率圖像也成為當今眾多圖像應用的迫切需求。利用圖像降質先驗或表示模型的圖像超分辨率重構技術，就是解決這一問題的方法之一。該技術在數(shù)學上是一個典型的逆問題求解，為使解穩(wěn)定或唯一，向重構問題中添加關于成像過程或圖像數(shù)據(jù)的先驗知識就尤為重要。
　　針對單幀圖像的超分辨率重構任務，

2、基于圖像不同頻率分量的合成原理，本文提出了面向低頻分量的類雙線性快速插值重構和面向高頻分量的稀疏表示圖像重構技術框架。該研究以圖像數(shù)據(jù)的稀疏建模為研究主線，對信號稀疏表示理論中的超完備字典構建、信號關于字典的信號稀疏分解及其在圖像重構中的應用等關鍵問題做了探索性的研究。主要內容有：
　　1.闡述了圖像稀疏表示理論及其應用，包括信號稀疏表示模型、稀疏表示的字典構建和稀疏表示的分解算法等。簡述了基于稀疏表示的圖像處理應用，推導并建立了

3、壓縮感知理論與圖像超分辨率重構應用的對應關系。
　　2.針對高信噪比的 H.264編解碼圖像的插值放大問題，提出一種曲率驅動的類雙線性快速插值方法。借助圖像的二維坐標，所有像點的灰度值模擬為空間三維曲面，以指定方向的曲面剖面曲率作為邊緣幾何類型判別依據(jù)，驅動四像點快速插值。
　　3.針對字典離線式圖像重構，分析了基于超完備字典稀疏表示的圖像超分辨率重構的實現(xiàn)原理，確立了問題關鍵為字典學習和稀疏表示。運用離線式學習的低分辨率字

4、典來數(shù)值計算高分辨率字典，降低耦合式字典學習的計算復雜度；提出運用正則正交匹配追蹤算法實現(xiàn)低分辨率圖像的稀疏表示。
　　4.鑒于當前圖像與已學習圖像集可能存在的結構類型偏差問題，在字典在線式圖像重構中，提出在線學習當前低分辨率圖像的字典學習法。但是由于此時樣本數(shù)少、結構類型少，引起字典原子的表達能力降低等問題，從而基于該字典的確定性稀疏度信息不再可靠，提出應用盲稀疏度稀疏表示實現(xiàn)圖像稀疏重構。
　　5.針對離線字典的特定圖像

5、偏差和在線字典的樣本欠缺問題，在字典級聯(lián)式圖像重構中，為充分提高字典的表示能力，采用經(jīng)預先學習的離線字典級聯(lián)基于當前低分辨率圖像學習的在線字典，構成原子結構多樣化、面向當前圖像的高效的超完備字典；針對部分已有稀疏表示算法的低精度、高復雜度問題，在稀疏測度定義下提出運用逼近e0范數(shù)稀疏表示實現(xiàn)圖像的較高精度的快速稀疏分解。
　　本文針對單幀圖像的超分辨率重構任務，圍繞著如何構建有效的用于稀疏表示的超完備字典和設計在既定字典下圖像的稀