基于稀疏表示和非下采样轮廓波变换的单幅图像超分辨率

摘要

图像超分辨率重建技术是指由已有的低分辨率(Low Resolution,LR)图像重建出一幅相对应的高分辨率(High Resolution,HR)图像。这项技术能够实现在不改进成像设备的硬件条件的情况下，只通过软件的图像处理方法提高图像分辨率，从而改善图像视觉效果和为图像的后续处理作准备，因此在军事、遥感、医学、安全监控等需要高分辨率图像的领域具有广阔的应用前景。
　　本文主要解决单幅图像的超分辨率问题，首先介绍了超分辨率图像重建研究的研究现状，以及超分辨率重建问题的基本原理和相关技术。鉴于基于学习的图像超分辨率方法是当前研究焦点，而且基于稀疏表示的超分辨率重建是最新发展出来并且取得很好的超分辨率效果的一种。本文选择了基于稀疏表示的超分辨率重建算法作研究基础，分析发现有效的低分辨率图像特征表示是基于稀疏表示图像超分辨率求解的一个关键环节，对求解出高分辨率图像起到决定性作用。因此改进以往超分辨率算法中的图像特征表示模块，引入非下采样轮廓波变换方法，考虑到它具有多尺度多方向的图像描述的特性，将其应用于本文的图像特征提取。本文提出了一种全新的基于稀疏表示和非下采样轮廓波变换的单幅图像超分辨率算法（NSCT-SCSR）。
　　算法首先对低分辨率图像进行非下采样轮廓波分解，提取各个子带特征组合成一个特征来表示低分辨率图像。然后将其作为先验信息输入基于稀疏表示的超分辨率算法求解框架中来预测求解出对应的高分辨率图像。最后通过实验分析对比本文的算法和以往算法的图像超分辨率效果，并将本文的算法应用于医学图像的模式识别中验证其实际应用效果。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1课题来源及研究的背景和意义

1.2研究现状综述

1.3本文主要研究内容及组织结构

第2章 超分辨率图像重建理论与算法研究

2.1引言

2.2超分辨率重建模型

2.3超分辨率重建算法

2.4超分辨率图像重建需要解决的问题

2.5本章小结

第3章 超分辨率图像特征提取和表示方法

3.1引言

3.2基于梯度算子的图像特征

3.3基于小波分解的图像特征

3.4基于非下采样的轮廓波变换特征

3.5实验结果及讨论

3.6本章小结

第4章 基于非下采样轮廓波变换和稀疏表示的超分辨率算法

4.1引言

4.2本文算法的总体流程概述

4.3算法的详细介绍

4.4实验结果与分析

4.5本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢