基于廣義稀疏的圖像超分辨重建方法研究.pdf

1、在日常生活與生產(chǎn)實(shí)踐中，圖像是應(yīng)用最廣泛的信息載體之一。然而，在實(shí)際成像過(guò)程中，受光學(xué)模糊、運(yùn)動(dòng)模糊、欠采樣和噪聲等退化因素的影響，人們往往很難獲得期望的高分辨率圖像或圖像序列，這給后續(xù)的圖像處理、分析與理解帶來(lái)諸多困難，影響人們正確認(rèn)識(shí)客觀世界及其規(guī)律。如何提高所獲圖像的空間分辨率，改善圖像質(zhì)量，是圖像處理領(lǐng)域極具挑戰(zhàn)性的課題。圖像超分辨重建技術(shù)是解決上述問(wèn)題較經(jīng)濟(jì)而有效的手段之一。利用圖像超分辨重建技術(shù)，不僅能獲得高于現(xiàn)有成像系統(tǒng)空

2、間分辨率的高質(zhì)量圖像，而且能充分利用大量已有的低分辨圖像資源。該技術(shù)在模式識(shí)別、計(jì)算機(jī)視覺(jué)、視頻監(jiān)控、遙感成像以及生活?yuàn)蕵?lè)等方面具有廣泛的應(yīng)用前景，受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注。
　　 針對(duì)超分辨重建面臨的挑戰(zhàn)性問(wèn)題，本文利用廣義稀疏表示思想，從鄰域樣本的選擇、映射關(guān)系的估計(jì)、正則化先驗(yàn)的設(shè)計(jì)以及自相似冗余信息的學(xué)習(xí)等方面，對(duì)基于實(shí)例學(xué)習(xí)和基于重構(gòu)的圖像超分辨重建方法進(jìn)行了深入研究，主要研究成果為：
　　 (1)提出了一種基

3、于高斯混合模型聚類(lèi)和部分監(jiān)督鄰域嵌入的實(shí)例學(xué)習(xí)圖像超分辨方法。在學(xué)習(xí)階段，使用高斯混合模型聚類(lèi)方法構(gòu)造類(lèi)別預(yù)測(cè)器，用于估計(jì)訓(xùn)練集中低分辨圖像塊的類(lèi)別信息；在合成階段，結(jié)合類(lèi)別信息，使用部分監(jiān)督鄰域選擇方案調(diào)整輸入圖像塊與訓(xùn)練集樣本之間的距離，一定程度上克服了傳統(tǒng)鄰域嵌入超分辨算法在鄰域選擇方面存在的不足。
　　 (2)針對(duì)鄰域嵌入超分辨算法低分辨圖像塊與高分辨圖像塊在鄰域關(guān)系不能保持不一致問(wèn)題，提出了一種基于對(duì)偶約束的聯(lián)合學(xué)習(xí)超

4、分辨重建方法。首先，通過(guò)對(duì)偶約束方法將低分辨圖像塊與對(duì)應(yīng)高分辨圖像塊構(gòu)成成組塊對(duì)，通過(guò)聯(lián)合學(xué)習(xí)構(gòu)造低分辨圖像塊與高分辨圖像塊的聯(lián)合特征子空間；然后，在聯(lián)合特征子空間中進(jìn)行鄰域的選擇和低分辨與高分辨圖像塊之間的映射關(guān)系的估計(jì)。最后，結(jié)合全局約束和一致性先驗(yàn)，進(jìn)一步提高初始化估計(jì)超分辨重建圖像的質(zhì)量。
　　 (3)為提高已有鄰域嵌入算法的重建效率，同時(shí)解決鄰域選擇方法存在的不足，提出了一種基于方向梯度直方圖(Histograms o

5、f Oriented Gradients，HOG)特征聚類(lèi)的稀疏鄰域嵌入的實(shí)例學(xué)習(xí)超分辨方法。為提高重建效率，引入HOG特征描述低分辨圖像塊的局部幾何結(jié)構(gòu)，通過(guò)k-means聚類(lèi)技術(shù)將大規(guī)模訓(xùn)練集劃分成多個(gè)結(jié)構(gòu)相似的子類(lèi)；針對(duì)已有鄰域嵌入超分辨算法在鄰域選擇方面存在的不足，提出了一種結(jié)合魯棒性SL0稀疏表示與k/K最近鄰策略的稀疏鄰域選擇算法，能同時(shí)實(shí)現(xiàn)鄰域的選擇與重構(gòu)權(quán)值的計(jì)算，有效提高了圖像超分辨重建的質(zhì)量。
　　 (4)考

6、慮到實(shí)例學(xué)習(xí)方法和重構(gòu)方法在超分辨重建方面的互補(bǔ)性，提出了一種基于多尺度字典學(xué)習(xí)和自適應(yīng)正則化相結(jié)合的圖像超分辨方法。為實(shí)現(xiàn)基于實(shí)例的重建方法，直接從輸入的低分辨圖像中提取不同尺度的圖像塊，通過(guò)聯(lián)合學(xué)習(xí)多個(gè)尺度字典，以構(gòu)建稀疏幻像正則項(xiàng)；為實(shí)現(xiàn)基于重構(gòu)的方法，使用可控核回歸技術(shù)構(gòu)造局部先驗(yàn)正則項(xiàng)，以獲取圖像的局部結(jié)構(gòu)信息；使用非局部均值濾波技術(shù)構(gòu)造非局部先驗(yàn)正則項(xiàng)，以獲取圖像中相似性冗余性信息。將全局重構(gòu)約束項(xiàng)、局部與非局部正則項(xiàng)和稀疏

7、幻像正則項(xiàng)相組合，構(gòu)成一個(gè)統(tǒng)一的超分辨重建框架優(yōu)化求解。在不需要外部訓(xùn)練圖像的情況下，提出的方法在保持清晰的圖像邊緣和恢復(fù)豐富的高頻細(xì)節(jié)兩方面均能取得較好的效果。
　　 (5)本質(zhì)上，基于實(shí)例學(xué)習(xí)方法的重建質(zhì)量很大程度上依賴于訓(xùn)練圖像。鑒于此，提出了一種多尺度自相似冗余學(xué)習(xí)的圖像超分辨方法。該方法首先利用低分辨圖像不同尺度的自相似冗余結(jié)構(gòu)構(gòu)造訓(xùn)練圖像塊對(duì)，然后，使用鄰域嵌入算法和逐層重建策略，逐步將輸入的低分辨圖像放大到所需要的