基于支持向量回歸的單幀圖像超分辨重建.pdf

1、由于物理成像系統(tǒng)和成像環(huán)境的限制，如光學(xué)模糊、運(yùn)動(dòng)模糊、下采樣和系統(tǒng)噪聲，人們很難得到一幅理想的高分辨率（High Resolution，HR）圖像或圖像序列。超分辨率（Super-resolution，SR）重建技術(shù)由于其自身價(jià)格低廉且能有效地產(chǎn)生高質(zhì)量的圖像而備受關(guān)注。它在很多實(shí)際的圖像應(yīng)用中發(fā)揮出巨大的潛力，包括計(jì)算機(jī)視覺、視頻監(jiān)控、遙感成像等等?；趯W(xué)習(xí)的方法是目前十分有效的單幀圖像超分辨率重建方法，它又可以分為基于回歸的方法和

2、基于編碼的方法，本文對(duì)基于支持向量回歸的方法進(jìn)行了深入的研究，提出了兩種超分辨率重建算法。
　　基于回歸的單幀圖像超分辨率重建的關(guān)鍵問題是建立樣本庫中已有的高分辨率圖像和低分辨率（Low Resolution，LR）圖像之間的映射關(guān)系，來指導(dǎo)測(cè)試集中的低分辨率圖像的超分辨率過程，以得到符合視覺感受的高質(zhì)量圖像?，F(xiàn)有的基于支持向量回歸的圖像超分辨方法大都利用單層支持向量回歸（Support Vector Regression，SVR

3、）模型來重建源圖像，這種方式并不能有效地?cái)M合訓(xùn)練數(shù)據(jù)，從而降低了重建圖像的質(zhì)量。本文針對(duì)這一問題提出了基于多層支持向量回歸機(jī)模型的單幀圖像超分辨方法。同時(shí)，考慮到圖像結(jié)構(gòu)的多樣性，將圖像中的所有像素分類，包括水平邊緣像素，垂直邊緣像素和平滑區(qū)域，以此突出圖像的局部特點(diǎn)。另外，我們按照每個(gè)支持向量回歸機(jī)模型的輸出像素在高分辨率圖像塊中所處的位置，將對(duì)應(yīng)的SVR模型的輸入進(jìn)行不同程度的加權(quán)，以求更好地描述高低分辨率圖像塊間的對(duì)應(yīng)關(guān)系。實(shí)驗(yàn)結(jié)

4、果表明，該算法不論在各類指標(biāo)上還是在視覺上都有顯著的提高。
　　上述所說的方法是將多輸出回歸問題分解為幾個(gè)單輸出回歸問題來求解，這樣顯然忽略了訓(xùn)練過程中高分辨率圖像塊中的每個(gè)像素對(duì)其鄰近像素的影響，因此得到的重建圖像會(huì)有振鈴效應(yīng)，而且增加了運(yùn)算量。為了解決這一問題，本文提出使用多任務(wù)最小二乘支持向量回歸模型來模擬高分辨率和低分辨率圖像塊間內(nèi)在的空間關(guān)系，從而改善由于使用多個(gè)單輸出回歸模型而使得重建像素之間不連續(xù)的問題，這對(duì)于保持重