基于自相似性的單幅圖像超分辨率重建算法研究.pdf

1、由于硬件設(shè)備和環(huán)境等因素的限制，很多情況下，我們采集到的圖像分辨率并不理想。如果通過改進硬件設(shè)備或改善圖像的采集環(huán)境來提高圖像的分辨率，代價可能比較高甚至是不現(xiàn)實的。所以通過用軟件的方法來對圖像的分辨率進行提高就成為一種實際可行的方法。超分辨率重建技術(shù)，就是利用數(shù)字圖像處理的技術(shù)對單幅低分辨率圖像，或者同一場景下的多幅低分辨率圖像，進行高頻細節(jié)信息的重建。該技術(shù)在視頻監(jiān)控、醫(yī)學成像、衛(wèi)星遙感等方面有著廣闊的應用前景。
　　本文圍繞

2、基于學習的單幅圖像的超分辨率重建技術(shù)，對基于稀疏表示與字典學習的算法作了系統(tǒng)深入的研究，并提出了利用自相似性與字典鄰域進行重建的算法。本文的主要內(nèi)容有:
　　首先對當前流行的超分辨率重建算法進行了概述，由于傳統(tǒng)的基于插值和重建的方法的自身的局限性，很難有新的突破，因此我們重點對基于學習的超分辨率技術(shù)進行了研究，并對各個算法進行了比較，從而有助于后續(xù)算法的選擇。
　　其次對當前熱門的稀疏表示理論進行了深入的探討，從樣本的選擇，

3、字典的訓練，以及參數(shù)的調(diào)整進行了研究，其中對于稀疏參數(shù)的選擇，字典原子的建立做了重點研究。
　　最后在前文研究的基礎(chǔ)上，提出了基于圖像自相似性與字典鄰域的超分辨率重建算法。該算法無需外部圖像作為訓練集，而是利用輸入圖像本身自身尺度，以及不同尺度下圖像的自相似性構(gòu)建一個圖像金字塔，進而獲得高低分辨率的圖像集合。利用這個集合訓練字典，并對每一個字典基元構(gòu)造字典鄰域，對輸入圖像的每一個圖像塊選擇最相近的字典鄰域，從而重建超分辨率圖像。這