基于學習的單幀圖像超分辨率算法研究.pdf

1、隨著計算機網(wǎng)絡技術(shù)的應用和多媒體技術(shù)的發(fā)展，圖像信息在人們的工作、學習和生活中發(fā)揮越來越重要的作用。改善圖像質(zhì)量，提高圖像分辨率成為數(shù)字圖像處理領域最重要、最基本的研究課題之一，具有重要的理論價值和實際意義。目前，傳統(tǒng)的圖像超分辨率領域的研究重點是空域算法。但各種空域算法的缺陷和不足使得算法效果極大程度地受到解空間約束條件和降質(zhì)退化模型的約束。本文在對現(xiàn)有傳統(tǒng)算法進行分析的基礎上，把研究的重點放在了基于學習的單幀圖像超分辨率算法上，通過

2、研究新的算法，提高圖像超分辨率能力，加快運算的質(zhì)量和速度。本論文主要在以下一些方面展開了工作。首先分析了多種傳統(tǒng)的基于插值的圖像超分辨算法，對它們的優(yōu)勢及不足進行了比較。結(jié)果表明，正是由于傳統(tǒng)算法存在諸多局限，才使得基于學習的超分辨率算法的研究變得十分必要和重要。然后對幾種維數(shù)約減算法進行了理論分析，分析指出，局部線性嵌套理論——LLE(Locally Linear Embedding)是基于學習的單幀圖像超分辨率算法的理論核心，它的提

3、出為實現(xiàn)基于學習的超分辨率算法提供了堅實理論基礎。重點研究了基于學習的單幀圖像超分辨率技術(shù)，利用馬爾可夫網(wǎng)絡來學習圖像的先驗知識，實現(xiàn)了一個高速、迭代的算法——one-pass算法，取得了較理想的實驗結(jié)果。接著對影響基于學習算法的超分辨率能力的若干因素進行了分析和實驗驗證，重點分析了訓練集圖像數(shù)量、K階近鄰點個數(shù)等因素對超分辨率能力的影響，為改善現(xiàn)有算法的性能奠定了理論和實驗基礎。最后，為了從客觀上驗證超分辨率算法的有效性以及改進工作的