基于字典學(xué)習(xí)的超分辨率圖像重構(gòu).pdf

1、超分辨率圖像重構(gòu)可以看作是一個(gè)從單幅或多幅低分辨率圖像中重構(gòu)出一幅高分辨率圖像的逆問題，近年來被廣泛的應(yīng)用到了視頻監(jiān)控、衛(wèi)星圖像、視頻標(biāo)準(zhǔn)轉(zhuǎn)換、醫(yī)療數(shù)字影像等各個(gè)方面?；谀Ｐ秃突趯W(xué)習(xí)的方法是最近幾年重構(gòu)超分辨率圖像的兩種重要方法?；谀Ｐ偷姆椒ㄔ噲D構(gòu)建低分辨圖像到高分辨圖像的映射，其重構(gòu)效率較高，但由于圖像類型多種多樣，很難統(tǒng)一到一個(gè)模型下進(jìn)行描述，在高放大因子下重構(gòu)圖像的質(zhì)量下降較快?；趯W(xué)習(xí)的方法構(gòu)造一組低分辨樣例圖像和對應(yīng)的高

2、分辨樣例圖像，先將待重構(gòu)圖像在低分辨樣例圖像下進(jìn)行編碼，再用編碼系數(shù)來恢復(fù)高分辨圖像，可以克服基于模型的方法對圖像關(guān)系描述不準(zhǔn)確的缺陷，具有重構(gòu)準(zhǔn)確、對噪聲和圖像類型魯棒性強(qiáng)的等優(yōu)點(diǎn)。在基于學(xué)習(xí)的框架下，本文引入字典學(xué)習(xí)的方法實(shí)現(xiàn)編碼，研究了基于字典學(xué)習(xí)的超分辨率圖像重構(gòu)方法，所做主要工作如下：
　　 (1)利用KSVD算法學(xué)習(xí)圖像關(guān)系。該算法利用K-SVD算法從大量的低分辨率和高分辨率訓(xùn)練樣例圖像塊中分別訓(xùn)練兩個(gè)小規(guī)模的稀疏字

3、典，利用字典間的對應(yīng)關(guān)系和低分辨圖像塊編碼來恢復(fù)高分辨圖像塊，不僅能獲得更加準(zhǔn)確的編碼，而且顯著降低了編碼的復(fù)雜度。
　　 (2)基于多任務(wù)字典學(xué)習(xí)的超分辨率圖像重構(gòu)方法?？紤]待重構(gòu)圖像的差異，將訓(xùn)練樣例圖像塊自組織聚類來訓(xùn)練獲得多個(gè)字典，用多個(gè)字典下的重構(gòu)來構(gòu)建多個(gè)任務(wù)，不同任務(wù)的重構(gòu)同時(shí)進(jìn)行并共享信息，利用智能的傳遞特性將多個(gè)任務(wù)的結(jié)果傳遞到一個(gè)新任務(wù)上。多任務(wù)算法考慮了訓(xùn)練樣例圖像塊的差異，因此可以進(jìn)一步提高單任務(wù)的重構(gòu)質(zhì)

4、量，而且對含噪圖像具有魯棒性。
　　 (3)基于多任務(wù)字典學(xué)習(xí)和局部約束的超分辨率圖像重構(gòu)方法。假設(shè)每個(gè)重構(gòu)圖像塊在局部鄰域內(nèi)滿足局部結(jié)構(gòu)的相似性，在多任務(wù)字典學(xué)習(xí)的代價(jià)函數(shù)中加入局部約束的懲罰項(xiàng)，對重構(gòu)高分辨圖像塊進(jìn)行局部范圍內(nèi)的約束優(yōu)化，使重構(gòu)圖像更好的保持結(jié)構(gòu)信息，提高了重構(gòu)圖像的質(zhì)量。
　　 (4)基于多任務(wù)字典學(xué)習(xí)和殘差補(bǔ)償?shù)某直媛蕡D像重構(gòu)方法。對多任務(wù)字典學(xué)習(xí)重構(gòu)的圖像再進(jìn)行殘差補(bǔ)償，進(jìn)一步增強(qiáng)重構(gòu)高分辨圖