圖像超分辨率技術研究.pdf

1、圖像超分辨率技術就是要從低分辨率圖像中恢復出原始的高分辨率圖像，該技術具有非常廣闊的應用前景。但是由于復雜的圖像退化模型，超分辨率重建問題變得極為病態(tài)，無法直接求解。由于基于學習的圖像超分辨率重建算法在求解該病態(tài)問題時有著優(yōu)異的效果，發(fā)展迅速，因此，本文主要研究基于學習的方法，并對其進行深入分析和改進。
　　針對傳統(tǒng)的基于稀疏表示的方法所存在的問題，本文提出了基于主結構分離的稀疏表示圖像超分辨率重建算法。該算法利用相關全變分將圖像

2、分解為主結構和紋理部分，并對其分開進行處理。對于主結構成分，提出了基于自相似性的自驅動字典學習方案進行重建，而對于紋理部分，則直接利用外部字典進行重建。該算法框架可以有效的減少圖像塊圖案的復雜性，降低對字典尺寸和訓練樣本的要求，間接的提升字典的表達能力，從而獲得更好的超分辨率重建性能，能夠應對更加復雜的圖像。
　　針對基于稀疏表示的框架固有的缺陷，本文研究了基于流行正則稀疏支持的方法，提出了改進的基于流行正則協(xié)同支持的圖像超分辨率

3、重建算法。該算法用圖像塊鄰域代替字典構建目標函數，用協(xié)同表示系數代替稀疏表示系數構建支持樣本集，使得所保持的流形空間結構更加平滑，高低分辨率圖像塊空間的映射更加精確。同時由于協(xié)同表示系數的部分過程可以離線進行，從而在提高超分辨率重建效果的同時減少了運算消耗的時間。
　　針對上述算法實時性不足的缺陷，本文研究了基于固定鄰域回歸的方法，提出了最適化的固定鄰域回歸算法。該算法用K-means聚類分析代替KSVD算法來獲得字典，從而保持字