稀疏表示在單幅圖像超分辨率重建中的應(yīng)用研究.pdf

1、隨著網(wǎng)絡(luò)、通信和數(shù)字技術(shù)的發(fā)展，能夠提供更多細(xì)節(jié)信息的高分辨率圖像逐漸成為人們的廣泛需求。圖像超分辨率重建技術(shù)是一種能增加圖像分辨率的后處理方法，因其不使用高成本的芯片和成像系統(tǒng)，而應(yīng)用在眾多領(lǐng)域?；诓逯档姆椒ㄊ且环N實現(xiàn)最簡單的圖像超分辨率重建方法，但重建圖像易產(chǎn)生模糊?；趯W(xué)習(xí)的方法引入了訓(xùn)練圖像中的高頻信息，能夠獲得比傳統(tǒng)方法更好的重建效果。根據(jù)近年發(fā)展起來的稀疏表示理論，圖像可以在某種字典下稀疏表示，因而稀疏表示在超分辨率圖像重

2、建中引起了廣泛的關(guān)注。
　　本文研究了稀疏表示在單幅圖像超分辨率重建中的應(yīng)用。根據(jù)稀疏表示理論和單幅圖像超分辨率重建的反問題模型，本文的圖像重建方案是：先由低分辨率的輸入圖像塊求取稀疏表示系數(shù)，然后根據(jù)此系數(shù)生成對應(yīng)的高分辨率圖像塊，最后由高分辨率塊重建出整幅圖像。
　　本文重點分析了求解稀疏表示系數(shù)的各類算法。稀疏表示算法對重建結(jié)果有著重要的影響。本文對典型的稀疏表示算法進(jìn)行了詳細(xì)分析和說明，包括匹配追蹤（MP），正交匹配

3、追蹤（OMP），最小角度回歸（LARS）等。
　　本文針對一般稀疏表示算法獲得的解不精確的問題，在圖像超分辨率重建方案中引入了一種內(nèi)點算法，并采用預(yù)處理共軛梯度的技術(shù)改進(jìn)性能。該方法基于原始對偶內(nèi)點法，并使用預(yù)處理共軛梯度計算搜索方向。仿真結(jié)果表明，本文方法比基于插值的Bicubic算法、基于學(xué)習(xí)的NE算法和其他稀疏表示算法有更好的視覺效果。本文方法比Bicubic最多降低均方根誤差（RMSE）1.1，比LARS算法最多降低RMS