图像稀疏表示及图像超分辨应用研究

摘要

图像超分辨技术能基于现有的成像设备和观测结果,不使用高成本的芯片和成像系统,利用廉价的软件方法,重建出高分辨的图像,是当今图像研究领域的热点。图像超分辨是基于降质图像数据的一个病态问题,为使解唯一且稳定,需要寻找成像过程中的图像先验知识。
　　稀疏表示理论在模式识别和图像处理中得到广泛研究。针对单幅图像超分辨,稀疏表示法也是一种基于学习的有效方法。本论文从稀疏表示理论出发,研究冗余字典和稀疏表示算法在单幅图像超分辨中的应用。基于稀疏表示的超分辨框架为:首先在线下训练出冗余字典对,构建图像的高低频信息;其次在线上输入低分图像块和低分字典,求解稀疏表示优化问题,得到稀疏表示系数;最后根据稀疏系数和高分字典,求取高分图像块,并通过优化,重构出整幅高分图像。
　　本文研究重点之一为构建冗余字典。通过对传统字典和联合字典的分析,提出一种对联合字典的改进字典——增加了几何信息的正则化联合字典训练方法。新字典中通过引入稀疏系数几何正则化相似性以增强块的约束。当应用于单帧图像超分辨中时,仿真结果表明改进的几何正则化字典比传统的联合字典更能准确恢复图像信息,在主观视觉观测和客观量化评价都取得了改进。
　　本文研究重点之二是提出一种有效的稀疏表示法——特征符号法。在优化计算的每一步迭代中,通过猜测稀疏系数的符号,将复杂的问题转化为二次规划(QP, Quadratic Programming)问题,从而快速准确的求得最稀疏解。仿真结果揭示了特征符号法比传统的正交匹配追踪(OMP)、预处理共轭梯度法(L1-ls)、最小角度回归(LARS)等方法更能准确的重建图像。通过仿真比较可得,本文方法比其他的稀疏方法视觉效果好,也能取得更好的RMSE与SSIM评价值。

目录

封面

声明

中文摘要

英文摘要

目录

第一章绪论

1.1 课题的研究的背景和意义

1.2相关技术的研究进展与发展动态

1.3论文的主要研究工作与内容安排

第二章图像超分辨重建方法与稀疏表示理论

2.1图像超分辨重建问题

2.2图像超分辨重建的方法

2.3基于稀疏表示的图像超分辨

2.4本文图像超分辨率重建的框架搭建

2.5本文所使用的图像重建评价方法

2.6本章小结

第三章几何正则化联合字典在图像超分辨中的应用

3.1过完备字典训练方法

3.2联合字典训练法

3.3几何正则化联合字典训练方法

3.4实验中使用的字典训练库

3.5实验结果和分析

3.6本章小结

第四章特征符号法在图像超分辨中的应用

4.1稀疏表示法

4.2使用稀疏表示的单幅图像超分辨重建

4.3基于特征表征的稀疏算法

4.4实验结果分析

4.5自适应的快速稀疏重建法

4.6本章小结

第五章结束语

致谢

参考文献

个人简历

攻读硕士学位期间发表、录用的文章

攻读硕士学位期间参加的科研项目

攻读硕士学位期间获奖情况