基于實例映射學(xué)習(xí)的單幀圖像超分辨率重建算法研究.pdf

1、單幀圖像的超分辨率重建是以單幅低分辨率圖像作為輸入，重建出指定放大倍數(shù)的高分辨率圖像。單幀圖像的超分辨率重建算法大致可分為基于插值、基于重建和基于實例學(xué)習(xí)的三類算法。其中，基于實例學(xué)習(xí)的算法相比較基于插值和基于重建的算法具有更好的性能。本文以提高單幀圖像超分辨率重建的主觀視覺效果和客觀評價指標(biāo)為目的，深入研究基于編碼和基于回歸的實例學(xué)習(xí)算法，總結(jié)出基于實例映射學(xué)習(xí)的單幀圖像超分辨率重建算法框架。該算法框架將學(xué)習(xí)映射與學(xué)習(xí)公共特征空間結(jié)合

2、起來，提升了算法對復(fù)雜非線性映射與高維統(tǒng)計數(shù)據(jù)進行建模的準(zhǔn)確性。本文在此基礎(chǔ)上提出了兩種單幀圖像的超分辨率重建算法。
　　考慮到基于編碼的實例學(xué)習(xí)算法通常在訓(xùn)練階段聯(lián)合訓(xùn)練低分辨率和高分辨率字典，在合成階段僅可獲得低分辨率特征的條件下并不能確保低分辨率特征與對應(yīng)的高分辨率特征在各自的字典上具有相同的編碼系數(shù)。針對這一問題，本文提出基于稀疏域選取的單幀圖像超分辨率重建算法，認為低分辨率特征與對應(yīng)的高分辨率特征在各自的字典上的稀疏編碼

3、系數(shù)具有確定的映射關(guān)系，結(jié)合高分辨率特征的稀疏表示誤差和稀疏域映射誤差建立優(yōu)化目標(biāo)式，通過二次約束二次規(guī)劃、稀疏編碼和嶺回歸算法交替優(yōu)化求解高分辨率字典、高分辨率稀疏編碼系數(shù)和稀疏域映射。該算法提升了對低分辨率特征到高分辨率特征的復(fù)雜非線性映射關(guān)系進行建模的準(zhǔn)確性，從而抑制了重建圖像的虛假輪廓，增強了圖像的重建效果。
　　考慮到基于回歸的實例學(xué)習(xí)算法通常在訓(xùn)練階段僅依據(jù)低分辨率特征將數(shù)據(jù)空間通過聚類分析分割成若干線性子空間以提高對

4、高分辨率特征估計的準(zhǔn)確性。然而在各個線性子空間學(xué)習(xí)得到的回歸模型因缺少低、高分辨率特征的對應(yīng)信息而不能確保映射的有效性。針對這一問題，本文提出基于對偶子空間投影的單幀圖像超分辨率重建算法。結(jié)合輸入的低分辨率特征與低、高分辨率特征之間的映射關(guān)系，以互相關(guān)強度最大化為原則構(gòu)建投影樹，并使用該投影樹將低、高分辨率特征分割成若干對偶線性子空間，在各個對偶線性子空間構(gòu)建錨點鄰域?qū)W習(xí)回歸模型。該算法不僅增強了對復(fù)雜高維統(tǒng)計數(shù)據(jù)建模的能力，而且提升了