紋理約束的局部自回歸學習超分辨率重建算法.pdf

1、隨著網(wǎng)絡、通信和數(shù)字技術的發(fā)展，能夠提供更多細節(jié)信息的高分辨率圖像逐漸成為人們的廣泛需求。圖像超分辨率重建的目的是利用一幅或者多幅低分辨率圖像來獲得一幅清晰的高分辨率圖像，由于其成本低廉，而且使得現(xiàn)有低分辨率成像系統(tǒng)仍可被利用，因此一直是一個比較熱門的研究課題。
　　本文在總結以往基于插值、基于重建和基于學習的超分辨率重建算法特點的基礎上，重點介紹了自學習的超分辨率重建算法，并在局部自學習超分辨率重建算法的基礎上，圍繞如何改善其重

2、建效果展開研究，提出了紋理約束的局部自回歸學習超分辨率重建算法。
　　針對局部自學習超分辨率重建算法在重建高頻細節(jié)特征上的不足，本文首先建立了基于學習的超分辨率重建算法的數(shù)學模型，通過求得低頻圖像塊與高頻圖像塊之間映射關系的泰勒一階估計來提高重建的準確性。為此利用輸入圖像的局部縮放不變性并通過回歸學習得到一階估計的準確表達，然后利用得到的一階估計對高分辨率圖像進行重建。
　　在搜索用于學習的相似圖像塊時，為了能夠得到紋理相似