稀疏表示在圖像質(zhì)量提高中的應(yīng)用.pdf

1、在圖像形成、傳輸、獲取過(guò)程中，由于成像設(shè)備性能、傳輸信道干擾等因素的影響，人們往往只能獲得低質(zhì)量圖像。這種圖像質(zhì)量下降的過(guò)程，稱(chēng)之為圖像退化。圖像復(fù)原是指利用圖像退化后的先驗(yàn)知識(shí)來(lái)重建高質(zhì)量圖像的過(guò)程，目前在遙感圖像、醫(yī)學(xué)成像、視頻監(jiān)控等諸多領(lǐng)域得到了廣泛的應(yīng)用。本文主要研究成果：
　　圖像復(fù)原問(wèn)題是添加合適約束項(xiàng)和尋找最優(yōu)解的過(guò)程。研究表明將自然圖像的先驗(yàn)知識(shí)作為約束項(xiàng)，能有效地改善圖像重建性能。目前基于稀疏表示的圖像復(fù)原算法，

2、大多數(shù)沒(méi)有充分考慮圖像內(nèi)部的幾何結(jié)構(gòu)，重建圖像的質(zhì)量受到影響。圖像的一個(gè)重要先驗(yàn)知識(shí)就是圖像具有局部自相似性。轉(zhuǎn)向核回歸方法具有自適應(yīng)性，能較好地表示圖像的結(jié)構(gòu)信息，因而采用轉(zhuǎn)向核回歸方法來(lái)表征圖像的局部信息。圖像自相似性?xún)H僅分析了相近區(qū)域的像素點(diǎn)，但忽略了與觀(guān)測(cè)像素相距較遠(yuǎn)區(qū)域內(nèi)像素的相似性。考慮圖像的非局部冗余性，引入圖像的非局部相似性約束項(xiàng)。高質(zhì)量圖像在降質(zhì)的過(guò)程中，丟失的大部分信息是圖像的邊緣信息，若能恢復(fù)丟失的邊緣信息，就能較

3、好地重建出高質(zhì)量圖像。在圖像局部相似、非局部相似性和邊緣結(jié)構(gòu)三個(gè)約束項(xiàng)的作用下，建立新的圖像復(fù)原模型。實(shí)驗(yàn)結(jié)果表明，本文算法具有較高的重建質(zhì)量。
　　本文提出了基于高頻和中頻信息的圖像超分辨率重建算法，主要思想是根據(jù)圖像的中頻信息復(fù)原出丟失的高頻信息。該算法分別將圖像高頻和中頻作為訓(xùn)練樣本對(duì)，并采用廣義迭代收縮方法進(jìn)行稀疏分解，獲得高、中分辨率字典對(duì)。根據(jù)測(cè)試圖像對(duì)應(yīng)的中頻信息和字典對(duì)獲得圖像高頻信息，結(jié)合測(cè)試圖像插值放大結(jié)果，經(jīng)

4、非局部相似性方法處理后獲得高分辨率圖像。本文提出的高頻信息和中頻信息能更好地學(xué)習(xí)輸入的低分辨圖像和高分辨率圖像之間的關(guān)系，重建的圖像具有精細(xì)的邊緣結(jié)構(gòu)。
　　基于學(xué)習(xí)的圖像復(fù)原中，訓(xùn)練的字典直接關(guān)系著重建圖像的質(zhì)量?，F(xiàn)有的字典訓(xùn)練算法，一般基于求解最優(yōu)化問(wèn)題，但仍有一定的局限性。例如，字典的原子數(shù)是固定不變，字典具有冗余性。非參數(shù)貝葉斯方法可以對(duì)滿(mǎn)足某種分布的觀(guān)測(cè)數(shù)據(jù)進(jìn)行建模，因此具有廣泛的應(yīng)用性能。在本文中，將基于Dirichl