單幅圖像超分辨率重建技術研究.pdf

1、單幅圖像超分辨率旨在利用一幅低分辨率輸入圖像，結合特定先驗知識，重建出同一場景的高分辨率圖像，以克服成像設備固有的分辨率限制。近年來，基于學習的超分辨率方法，逐漸成為該領域研究熱點。本文在深入研究稀疏表示和字典學習相關算法的基礎上，提出了兩種單幅圖像超分辨率重建算法。具體工作如下：
　　針對目前基于稀疏表示的超分辨率算法中，普遍存在的字典學習精度不高的問題，本文采用半耦合字典學習(SCDL)框架，放寬稀疏表示不變性假設以提升模型學

2、習能力。為了挖掘稀疏域幾何結構信息并穩(wěn)定稀疏分解，引入稀疏域非局部相似性約束，并改進Feature-Sign Search算法用于訓練模型求解；為了進一步提高字典學習精度，在初始化分類的基礎上，提出基于稀疏域映射誤差的重分類方法和交替啟發(fā)式學習框架。在重建階段，使用交替啟發(fā)式重建策略和誤差補償機制。實驗結果表明，本文算法獲得了更好的重建效果和更高的重建質量。
　　在上述工作的基礎上，為了降低稀疏表示的計算復雜度，提出使用非耦合字典