基于稀疏表示的圖像超分辨率算法及應(yīng)用.pdf

1、圖像的稀疏超分辨率重建是信號處理領(lǐng)域一項富有挑戰(zhàn)性的課題,圖像超分辨率為恢復(fù)成像系統(tǒng)丟失的高頻信息提供了可能,這一技術(shù)的發(fā)展與應(yīng)用將會緩解成像系統(tǒng)硬件高昂費用的壓力,還能在應(yīng)用高分辨率圖像的場合為人們提方便。
　　本文給出了將非下采樣輪廓變換用于特征提取的圖像稀疏超分辨率分析方法,得到了較好的超分辨率重建效果。
　　在稀疏表示的框架下,訓(xùn)練高低分辨率字典以及重構(gòu)時,以非下采樣輪廓波變換為主要特征提取方式,進(jìn)行了多尺度多方向的

2、多種特征提取并結(jié)合梯度特征提取方法,既發(fā)揮了輪廓波變換平移不變性的優(yōu)勢,又結(jié)合了空域的梯度特征提取方式,充分地提取了低分辨率圖像的高頻有效信息,這為圖像的超分辨率重建提供了有力的保障。
　　算法驗證實驗選取一定數(shù)量的細(xì)節(jié)信息豐富的圖像作為訓(xùn)練集,學(xué)習(xí)高低分辨率字典,并對測試集中的圖像進(jìn)行了超分辨率分析。分別對不同的特征提取方法、不同的重構(gòu)權(quán)重因子進(jìn)行圖像超分辨率重建的仿真分析。本文算法的峰值信噪比和結(jié)構(gòu)相似度兩種指標(biāo)均優(yōu)于傳統(tǒng)方法