基于稀疏表示和混合樣本的圖像超分辨率重建算法研究.pdf

1、圖像超分辨率就是使用信號(hào)處理技術(shù)從一幀或者多幀低分辨率觀測(cè)圖像中重建一幅視覺效果良好的高分辨率圖像。圖像超分辨率不僅在醫(yī)學(xué)成像、衛(wèi)星成像等特殊領(lǐng)域有著巨大的應(yīng)用價(jià)值，而且能夠滿足日常生活中人們?nèi)找嬖鲩L(zhǎng)的高清晰圖像的需求。正是由于對(duì)圖像超分辨率重建問題研究有著重大的現(xiàn)實(shí)意義，本文以稀疏表示為理論依據(jù)，深入研究單幀圖像超分辨率重建問題。單幀圖像超分辨率是指只使用一幅低分辨率觀測(cè)圖像完成圖像超分辨率重建任務(wù)，這是一個(gè)更一般更具挑戰(zhàn)性的問題。本

2、文的研究工作主要圍繞以下三點(diǎn)展開：首先，本文針對(duì)重建過程中的局部圖像塊的約束問題，提出基于自回歸滑動(dòng)平均(ARMA)模型的圖像塊局部結(jié)構(gòu)正則項(xiàng)；其次，本文針對(duì)外部樣本和自樣本學(xué)習(xí)各自的缺點(diǎn)，提出自適應(yīng)樣本選擇方案(ASSS)和自適應(yīng)混合樣本脊回歸模型(AMSRR)，利用自樣本和外部樣本的互補(bǔ)信息提升超分辨率重建效果；最后，本文針對(duì)局部圖像特征難以在空域表示的問題，利用小波在局部特征表示的優(yōu)勢(shì)，直接把小波系數(shù)作為特征，省去了特征提取操作，

3、提高了效率。
　　圖像超分辨率重建是一個(gè)極其不適定的問題，針對(duì)這一難題本文提出基于ARMA模型的局部結(jié)構(gòu)正則項(xiàng)。具體做法是：在訓(xùn)練階段從外部樣本集中訓(xùn)練ARMA模型，在重建階段自適應(yīng)地選擇最合適的ARMA模型預(yù)測(cè)圖像的局部結(jié)構(gòu)并建立自適應(yīng)正則項(xiàng)。此外，本文把基于ARMA模型的局部正則項(xiàng)和基于非局部自相似的正則項(xiàng)統(tǒng)一到基于稀疏表示的框架下，建立空間關(guān)系上遠(yuǎn)近配合，相輔相成的雙重正則項(xiàng)。與經(jīng)典的基于稀疏表示的方法對(duì)比，本文基于局部和非

4、局部雙重正則項(xiàng)的方法大幅度地提升了客觀評(píng)價(jià)指標(biāo)(PSNR，SSIM)，并且重建后高分辨率圖像的視覺效果也明顯得到了改善。
　　在基于樣本學(xué)習(xí)的圖像超分辨率重建算法中存在兩大主流方法：一種是基于外部樣本學(xué)習(xí)的重建方法，另一種是基于自學(xué)習(xí)的重建方法?；谕獠繕颖緦W(xué)習(xí)的方法容易受到輸入低分辨率圖像與訓(xùn)練集圖像相似度的影響，而基于自學(xué)習(xí)的方法受限于樣本的單一性以及學(xué)得的映射關(guān)系不能表示各種各樣的圖像結(jié)構(gòu)。本文針對(duì)基于外部樣本學(xué)習(xí)和基于自學(xué)

5、習(xí)方法各自的不足，提出ASSS方案，建立AMSRR模型利用自樣本和外部樣本的互補(bǔ)信息彌補(bǔ)各自的不足，并提出了相應(yīng)的優(yōu)化求解算法。通過大量的實(shí)驗(yàn)，驗(yàn)證了本文提出方法的有效性，其中包括與當(dāng)前一些先進(jìn)超分辨率重建方法的對(duì)比實(shí)驗(yàn)。尤其是本文提出的方法對(duì)某些圖像的重建效果較大幅度地領(lǐng)先對(duì)比的其他先進(jìn)超分辨率重建方法。
　　此外，針對(duì)圖像的局部特征難以在空域表示的問題，本文把小波系數(shù)作為特征提出小波域稀疏表示方法。首先，對(duì)訓(xùn)練集直接進(jìn)行小波變