基于稀疏表示的超分辨率圖像重建算法研究.pdf

1、超分辨率圖像重建是以同一場景的一幅或多幅低分辨率圖像為輸入,結合一定的先驗信息,重構出一幅高分辨率圖像的技術。這一技術在不改變現(xiàn)有硬件設備的前提下,能夠有效地提高圖像分辨率,改善圖像質(zhì)量。
　　本文對基于稀疏表示理論的超分辨率圖像重建算法進行了研究。該方法采用基于圖像塊的處理策略,是壓縮感知理論在超分辨率圖像重建領域的應用,即高分辨率圖像塊的稀疏表示系數(shù)可由其相應下采樣后的低分辨率圖像塊精確恢復。通過聯(lián)合訓練可得到高低分辨率字典對

2、,并求取輸入低分辨率圖像塊在低分辨率字典下的稀疏表示系數(shù),然后利用該稀疏表示系數(shù)結合高分辨率字典得到與輸入低分辨率圖像塊相對應的高分辨率圖像塊。
　　為提高高低分辨率訓練樣本的匹配性,提出了一種改進學習樣本的字典訓練方法。在聯(lián)合冗余字典訓練樣本的獲取中,采用兩種改善訓練樣本質(zhì)量的方法:1)采用高分辨率圖像塊的高頻分量,構成高分辨率圖像樣本,同等條件下冗余字典對訓練所需樣本數(shù)較少,縮短了字典訓練用時,獲得更好的超分辨率圖像重建效果;

3、2)提出采用改進的多閾值BLBP算子,有效地提取低分辨率圖像塊的紋理特征,包括圖像的微觀結構信息和宏觀結構信息,并應用到低分辨率訓練樣本的構成中,提高了匹配的準確性,改善了圖像重建的質(zhì)量。
　　通過實驗對冗余字典的大小、正則化系數(shù)以及字典訓練樣本數(shù)量等重建參數(shù)對圖像重建質(zhì)量的影響進行了詳細分析,給出了重建參數(shù)選擇的指導性建議。
　　針對基于信號稀疏表示的超分辨率圖像重建算法計算復雜度高的問題,給出了基于圖像塊特征的自適應快速