基于边缘保持的多字典超分辨率图像重建

摘要

超分辨率图像重构技术是通过对低分辨率图像进行处理，使其恢复尽可能多的高频信息，得到内容丰富、视觉良好的高分辨率图像。该技术一经提出就引起了国内外学者的强烈反响，掀起了对该领域的研究热潮。经过长期探索和研究，该技术已形成几大分支，其中基于学习的重建方法因其具有良好的重构效果而成为近些年来该领域的研究热点。本文就是研究该分支下的重构方法对单幅图像进行重构，主要研究内容和重点如下：
　　首先，由于基于稀疏表示方法的重构效果和训练样本的相关性有关，而传统方法以单个字典对所有图像进行重构，缺乏针对性，没有充分利用图像的结构特征。针对这一问题，本文提出了改进的基于多字典的图像超分辨率重建方法，通过对图像引导分类建立多字典，并采用KPCA算法对字典降维以提高重建速度。经实验证实，该方法与传统方法相比，在重构效果和速度上均有所提高。
　　其次，针对传统图像块分类方法中分类边缘块和纹理块依赖于阈值判断，且需要一定的计算量，本文提出一种改进的图像块分类方法，采用Canny算子提取边缘得到边缘块，通过边缘块对训练图像块进行有监督的引导分类。经实验将传统方法与改进的分类方法进行对比，结果表明与传统分类方法相比，采用改进的分类方法对图像进行重构能取得更好的重构效果。
　　最后，针对传统算法重构图像边缘会出现锯齿等人工痕迹，本文就如何改善重构边缘效果进行研究。研究和分析了基于梯度先验的重构方法，利用该方法具有良好的边缘保持性这一特点，将其应用到多字典重构方法中，提出基于边缘保持的多字典超分辨率重构方法。通过梯度先验重构图像引导图像块分类训练字典，提高字典相关性；并在重构阶段对重构后的边缘块进行增强，改善边缘效果。实验结果表明，该方法不仅优于传统方法且相对于多字典方法也有所提高，无论在视觉感受上还是客观评价上都有良好的重建效果。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1研究背景及意义

1.2国内外现状分析

1.3本文研究内容与安排

第二章 基于稀疏表示的图像超分辨重建理论

2.1图像退化模型

2.2现有的图像超分辨重建方法

2.3稀疏表示原理

2.4稀疏表示的优化方法

2.5稀疏表示字典的设计

2.6本章总结

第三章 基于多字典的图像超分辨率重建

3.1引言

3.2改进的图像块分类方法

3.3 KPCA降维提高重构速度

3.4基于多字典的重建算法

3.5仿真实验

3.6本章总结

第四章 基于边缘保持的多字典图像超分辨率重建

4.1引言

4.2基于梯度先验的图像重构算法

4.3基于边缘保持的多字典重建算法

4.4仿真实验

4.5本章总结

第五章 总结与展望

5.1总结

5.2展望

参考文献

致谢

作者简介