單幀圖像的快速超分辨率重建及模式識別的研究.pdf

1、隨著數(shù)據(jù)信息量不斷增多，在信號可壓縮和變換域上稀疏的前提下，傳統(tǒng)信號采樣技術(shù)的高采樣速率造成采樣過程中包含很多的冗余信息。以泛函分析和逼近論作為理論基礎(chǔ)，Candès等人提出的壓縮感知理論是一種有損的新的采樣壓縮技術(shù)，以其獨(dú)特的采樣壓縮機(jī)制，及其較低的采樣速率很快備受矚目，并成功地解決了傳統(tǒng)采樣技術(shù)中存在的不足。
　　為此，本文利用壓縮感知技術(shù)，改進(jìn)傳統(tǒng)的圖像處理方法，主要的工作和貢獻(xiàn)是提出了一個(gè)新的基于自樣本學(xué)習(xí)和稀疏表示的快速

2、單幀圖像超分辨率重建算法。在K次奇異值分解算法(SVD)的基礎(chǔ)上，我們提出了一個(gè)更加有效的解決方案，即通過一個(gè)更方便計(jì)算的近似值來替換原有精確的SVD計(jì)算過程，并且采用更適合本文提出的基于少量信號的自樣本學(xué)習(xí)稀疏重建的直接正交匹配追蹤算法。用于字典學(xué)習(xí)的圖像塊通過本文提出的樣本均方誤差策略有效地從低分辨率輸入圖像本身提取出來，而不依靠任何包含大量高分辨率圖像信息的外部訓(xùn)練圖像庫。此外，相比于基于l1的優(yōu)化準(zhǔn)則，我們在字典學(xué)習(xí)和重建階段均

3、使用更快的基于l0的優(yōu)化準(zhǔn)則。相比于其他的超分辨率重建算法，我們的低維度字典是一種對圖像塊對更緊湊的表示形式，并且能夠共同學(xué)習(xí)全局和局部信息從而很大地降低了計(jì)算成本。本文的算法可以生成質(zhì)量與其他算法相似但在計(jì)算效率上卻高出百倍的高分辨率圖像。
　　其次，由于遙感土地使用場景分類有著廣泛的應(yīng)用，包括林業(yè)，城市增長分析和氣象預(yù)報(bào)。為此，本文還提出了一種有效的土地使用場景分類圖像表示方法，基于Gabor過濾的完整局部二元模式(GCLBP