基于高斯過程回歸學(xué)習(xí)的超分辨重建及后處理方法研究.pdf

1、圖像的超分辨率重建技術(shù)是近幾十年來應(yīng)用最為廣泛的數(shù)字圖像圖像處理技術(shù)。隨著機(jī)器學(xué)習(xí)和模式識別技術(shù)的發(fā)展，基于學(xué)習(xí)的圖像超分辨率重建技術(shù)已經(jīng)成為解決超分辨重建問題的一個(gè)非常重要的工具。然而，現(xiàn)有的基于樣例學(xué)習(xí)的超分辨方法采用典型的非概率形式，沒有給出具體概率形式的超分重建模型，而且其中的參數(shù)多是通過交叉驗(yàn)證獲得。為此，本文主要從不確定性分析的角度，利用高斯過程回歸理論對超分辨重建建模，研究可行性求解算法及超分辨重建的后處理方法。本文的主要

2、貢獻(xiàn)如下:
　　1)提出了基于組合優(yōu)化的圖像超分辨后處理算法?；诨貧w函數(shù)的擬合值給出的是標(biāo)量形式的函數(shù)值，因此，導(dǎo)致基于圖像塊形式的超分辨重建在同一個(gè)像素位置上得到多個(gè)候選的像素?cái)M合值。本文通過對這些候選值的組合優(yōu)化學(xué)習(xí)，改善圖像的重建質(zhì)量。
　　2)提出了基于邊緣屬性限制的圖像超分辨后處理算法?，F(xiàn)有的基于高斯核回歸學(xué)習(xí)的超分重建方法，針對圖像的外觀特征進(jìn)行建模，忽視了邊緣在主觀視覺上的作用，為此，本文在回歸學(xué)習(xí)重建超分辨

3、圖像的基礎(chǔ)上，針對圖像邊緣屬性進(jìn)行建模，進(jìn)一步優(yōu)化圖像質(zhì)量。
　　3)提出了基于高斯過程回歸稀疏求解的圖像超分辨算法。建立局部高斯過程回歸模型，解決高斯過程回歸求解超分辨問題的可行性問題;進(jìn)一步利用稀疏求解算法，不僅優(yōu)化高斯核函數(shù)的超參數(shù)，而且也優(yōu)化了訓(xùn)練的初始輸入，從而得到更精確的高斯過程回歸解。
　　實(shí)驗(yàn)證明本文所提超分算法及后處理方法在圖像視覺主觀評價(jià)和信噪比評價(jià)標(biāo)準(zhǔn)下可以與當(dāng)前流行的超分重建方法相媲美，重建出圖像邊緣