基于低秩稀疏分解和字典學(xué)習(xí)的圖像超分辨率重建研究.pdf

1、在科技不斷取得創(chuàng)新和發(fā)展的大背景下，數(shù)字多媒體技術(shù)(Digital Multimedia Technology)也得到了推廣及應(yīng)用。其中，圖像視覺信號(hào)已成為數(shù)字化多媒體傳播信息的主要載體之一，大量的成像設(shè)備（如手機(jī)、數(shù)碼相機(jī)和 iPad等）不斷被設(shè)計(jì)出來。獲取高質(zhì)量的圖像是人們不斷追求的目標(biāo)。然而在成像過程中，由于受外界各種不確定因素的干擾，人們最終獲得的圖像會(huì)失真。為了追求獲取高質(zhì)量的圖像，經(jīng)過研究者們的不斷研究與探索，圖像超分辨率（

2、Image Super Resolution, ISR）重建理論不斷得到完善，一些實(shí)際的可用性成果已被研究出來。在壓縮感知(Compressed Sensing, CS)理論的發(fā)展影響下，衍生出一些有效的ISR重建算法。其中,基于信號(hào)稀疏表示(Sparse Representation)的ISR重建算法以其相對(duì)較好的重建結(jié)果受到研究者們的青睞；另一個(gè)與CS理論內(nèi)在相關(guān)的理論是圖像矩陣的低秩稀疏分解(Low Rank Sparse Dec

3、omposition，LRSD)理論，二者是數(shù)據(jù)的兩種不同表示方式。
　　本研究主要內(nèi)容包括：⑴從圖像的結(jié)構(gòu)上分析，它的某些微結(jié)構(gòu)間具有相似性。本文首先利用某種特定的方式去分解圖像，然后通過圖像塊間的歐氏距離測(cè)量，找出結(jié)構(gòu)相似的圖像塊，并將圖像信號(hào)向量化表示，再將它們組成圖像矩陣。由于結(jié)構(gòu)相似的圖像塊信號(hào)間存在相關(guān)性，所以它們組成的矩陣是天然的低秩矩陣。以上述思想為基礎(chǔ)，重建出一種基于低秩約束的圖像重建模型，初步重建出的初始高分辨