基于非局部字典學習的單幀圖像超分辨率重建算法.pdf

1、圖像超分辨率重建技術通過軟件的方法，將一幅或者多幅分辨率低的圖像借助信號處理技術，提升圖像的分辨率，從而得到高分辨率圖像。它廣泛應用在影音領域、公共安全領域、遙感成像領域、醫(yī)學成像領域、通信領域等，對社會，科技的發(fā)展起著至關重要的作用。本文首先介紹了超分辨率重建技術的研究背景及意義、應用領域、研究現狀，并對超分辨率技術的方法進行了詳細的介紹。在此基礎上，針對單幀圖像超分辨率重建技術進行了研究。
　　本研究主要內容包括：⑴將局部SV

2、D字典引入高分辨率圖像重建。全局字典一般要通過大量的樣本訓練得到字典，并用這個字典稀疏表示整幅圖，一方面由于訓練樣本數量多，訓練字典時間較長，另一方面由于圖像信息的復雜性，一個字典不可能包含所有信息，因此會導致部分信息的缺失。局部字典由于局部自適應性強，所以能得到更好的細節(jié)信息。所以本文引入了基于奇異值分解的局部字典，接著我們將局部SVD字典用于高分辨率圖像重建，詳細介紹了如何通過低分辨率圖像所訓練出的局部SVD字典重構高分辨率圖像。實

3、驗結果表明在重構高分辨率圖像時使用局部SVD字典的方法可以更好地還原細節(jié)信息。⑵提出基于非局部字典學習的單幀圖像超分辨率重建算法。本文詳細地分析了基于重構和基于學習的兩種圖像超分辨算法的優(yōu)缺點?；谥貥嫷姆椒梢垣@得較為清晰的邊緣，但是對細節(jié)紋理還原不夠準確?；趯W習的方法一般能獲得更為豐富的細節(jié)紋理，但對邊緣的保持效果欠佳。將基于重構和基于學習的方法進行結合，共同作為正則化項對圖像進行約束，可以綜合兩者的優(yōu)點。研究表明圖像在不同尺度下

4、具有自相似性，由于非局部均值可以較好地反應圖像在相同尺度下的自相似性，用低分辨率得到的字典稀疏表示高分辨率圖像反應了圖像在不同尺度下的自相似性，所以基于重構和學習的算法將非局部均值和稀疏表示作為聯合正則化項。本文在此原有框架的基礎上，對其進行了改進。為了更加突出不同尺度下的自相似性以及獲得更好的細節(jié)信息，我們引入了基于SVD的局部字典，提出了基于非局部字典學習的單幀圖像超分辨率重建算法。實驗表明本算法不論在視覺感官上還是客觀性能評價指標