基于NSCT與鄰域嵌入的超分辨率重建.pdf

1、圖像的分辨率是衡量圖像質(zhì)量的一個重要指標，圖像的分辨率高低往往在許多應(yīng)用中起著決定性的作用。但是在實際采集圖像時，由于成像精度、存儲和傳輸成本和拍攝條件等的限制，實際獲得的圖像往往分辨率不夠高，無法滿足某些應(yīng)用的要求。因此如何從低分辨率的圖像恢復(fù)或重建高分辨率圖像便成了眾多研究者關(guān)注的問題。圖像超分辨率是在圖像處理鄰域一項很重要的技術(shù)，就是實現(xiàn)由低分辨率圖像重建高分辨率圖像，在模式識別、醫(yī)學(xué)圖像處理、遙感圖像處理、視頻處理與分析等領(lǐng)域中

2、有廣泛應(yīng)用。
　　本文提出了一種基于非下采樣Contourlet變換（NSCT）和鄰域嵌入的單幅圖像超分辨率算法。其基本思想是先利用NSCT對低分辨率圖像作分解，并利用變換系數(shù)構(gòu)建低分辨率圖像塊的特征向量，然后通過樣本學(xué)習(xí)得到高分辨率圖像塊空間與低分辨率特征空間之間的距離對應(yīng)關(guān)系，并通過這種對應(yīng)關(guān)系來尋找低分辨率圖像塊在高分辨率圖像塊空間中的近鄰，利用這些近鄰來重構(gòu)所低分辨圖像塊所對應(yīng)的高分辨率圖像塊。
　　本文的貢獻有如下

3、三點。
　　1．在構(gòu)建低分辨率圖像塊的特征向量時，我們不是直接將低分辨率圖像塊作為特征向量，而是先對低分辨率圖像作NSCT變換，再利用各個子帶的變換系數(shù)組合成一個特征向量，使得特征向量能夠更好地反映圖像的邊緣和文理信息。
　　2．在特征空間中沒有采用傳統(tǒng)的歐氏距離作為特征向量之間的距離，而是采用?p?距離來度量特征向量之間的距離，并對距離參數(shù)p進行了優(yōu)化，使得特征空間中的距離與高分辨率圖像塊空間中的距離盡可能一致，從而能夠更

4、準確地找出低分辨率圖像塊在高分辨圖像空間中的近鄰。
　　3．在利用鄰域嵌入算法重構(gòu)出高分辨率圖像之后，利用脈沖耦合神經(jīng)網(wǎng)絡(luò)將其與原始低分辨率圖像進行融合，得到最終的高分辨率圖像，這樣能夠?qū)D像的低頻成分作出補償，從而提高重建精度。
　　做了一系列對比試驗，將本文提出的算法與幾種經(jīng)典的圖像超分辨率算法進行了對比，計算了平均峰值信噪比(PSNR)和結(jié)構(gòu)相似性系數(shù)(SSIM),結(jié)果表明本文提出的算法能夠更好地重建圖像的邊緣和紋理等