基于稀疏表示的文本圖像超分辨率重建研究.pdf

1、伴隨著信息化的高速發(fā)展，要求信息處理技術(shù)不斷完善，在大多數(shù)數(shù)字圖像應(yīng)用中，圖像處理和分析通常需要高分辨率圖像或視頻。當(dāng)今，硬件成本已不是問題，但是對于大多數(shù)本就受到污損的低分辨率文本圖像來說，即使硬件設(shè)備足夠清晰，當(dāng)中的文字也無法清晰顯現(xiàn)，在這種情況下，文本圖像超分辨率重建技術(shù)尤為重要。
　　國內(nèi)外學(xué)者對超分辨率重建進(jìn)行了許多研究，他們的算法都已成功應(yīng)用于自然圖像，但應(yīng)用于文本圖像時效果不佳。文本圖像是一種獨特的圖像，應(yīng)研究適合它

2、的具體技術(shù)。有些學(xué)者雖提出一些針對文本圖像的算法，但存在兩個問題，一是算法復(fù)雜度高，二是在先驗信息不足的情況下重建效果不好。因此，本文以文本圖像的特征為基礎(chǔ)，針對稀疏表示的重建方法進(jìn)行研究，在效率和精度兩方面進(jìn)行改進(jìn)，具體研究工作如下：
　?。?）研究文本圖像的退化模型，分析當(dāng)前的幾種圖像重建模型和字典訓(xùn)練算法，對原始稀疏表示的重建算法具體流程進(jìn)行研究和分析。
　?。?）對稀疏表示中的聯(lián)合訓(xùn)練方法進(jìn)行研究和分析，針對聯(lián)合訓(xùn)練

3、算法運(yùn)算時間長，執(zhí)行效率低的問題，提出一種優(yōu)化的字典訓(xùn)練方法，只需學(xué)習(xí)高分辨率字典，近而由其推導(dǎo)得到低分辨率字典，從而縮短了運(yùn)算時間，提高了算法的效率。在高分辨率字典學(xué)習(xí)階段，使用K-SVD算法來訓(xùn)練字典；求解稀疏表示系數(shù)階段，通過分析稀疏表示系數(shù)的局部模型，使用高效的特征符號方法進(jìn)行求解。最后進(jìn)行了實驗仿真和分析，對算法的重建效果和執(zhí)行時間都作了對比實驗，運(yùn)行時間縮短了45.7％，PSNR值和SSIM值稍高于原始的稀疏表示算法，證明算

4、法在保證精度的同時提高了執(zhí)行效率。
　?。?）在優(yōu)化的字典訓(xùn)練方法的基礎(chǔ)上，對文本圖像的特性進(jìn)行研究，針對原始稀疏表示算法重建的圖像不清晰，前景和背景區(qū)分不明顯，不能清晰顯現(xiàn)文字，邊緣不連續(xù)的問題，對全局約束進(jìn)行改進(jìn)，引入文本圖像的雙峰限制特性作為正則項來約束重建高分辨率圖像，并使用邊緣增強(qiáng)算法來優(yōu)化增強(qiáng)圖像的邊緣。對算法實驗驗證并與經(jīng)典的稀疏重建方法以及當(dāng)前兩種文本圖像重建的方法進(jìn)行對比和分析。結(jié)果證明本文算法重建的圖像邊緣恢復(fù)