基于特征圖像分類以及稀疏表示的超分辨率重建.pdf

1、因一些硬件設(shè)備及外界環(huán)境的影響，使得采集到的數(shù)字圖像分辨率較低，故提高圖像分辨率成了為圖像領(lǐng)域的重要研究課題之一。用硬件方法提高圖像分辨率用硬件方法提高圖像分辨率往往是通過增加單位面積內(nèi)傳感器的像素或增大CCD芯片的空間尺寸等。這種方法雖然是提高圖像分辨率最直接的方法，但由于硬件受體積、工藝、價格等因素限制，采用軟件方法提高圖像分辨率成為圖像超分辨率重建方向的研究熱點。
　　目前，圖像超分辨率研究可分為三大類：基于插值，基于重建約

2、束和基于學(xué)習(xí)的超分辨率重建方法。其中，基于學(xué)習(xí)的方法是近年來研究最多的超分辨率重建算法。其基本原理是通過全局約束加以優(yōu)化訓(xùn)練給定的訓(xùn)練圖像庫中相應(yīng)高低分辨率圖像塊之間的對應(yīng)關(guān)系，由所獲得先驗知識來預(yù)測高分辨率圖像。本文針對基于學(xué)習(xí)的超分辨率重建算法進(jìn)行研究，融合圖像分類技術(shù)對基于稀疏表示的超分辨率重建算法進(jìn)行了創(chuàng)新及改進(jìn)。
　　本文主要研究工作如下：
　　首先，簡要介紹了目前常用的超分辨率重建技術(shù)，對重建基本思想做了簡要說明

3、，著重研究了基于學(xué)習(xí)的超分辨率重建算法，尤其是基于稀疏表示的超分辨率重建算法，并在其基礎(chǔ)上提出了改進(jìn)算法。
　　第二，概述了圖像特征提取及分類的基本原理與常用方法，著重研究了根據(jù)梯度特征和紋理特征對圖像特征進(jìn)行提取及分類的方法。根據(jù)圖像分類理論，提出采用圖像特征作為高低分辨率圖像塊對的結(jié)構(gòu)表示基元，并通過結(jié)構(gòu)表示基元訓(xùn)練出高低分辨率圖像塊對應(yīng)關(guān)系。在基于稀疏表示的重建算法中，提出了一種基于圖像特征對訓(xùn)練庫圖像進(jìn)行分類的方法。

4、>　　第三，詳細(xì)闡述了圖像特征提取及分類在基于稀疏矩陣的超分辨率重建中的應(yīng)用，提出將分類后特征圖像用于超分辨率重建字典訓(xùn)練中。訓(xùn)練庫圖像分別通過圖像紋理特征提取器和圖像梯度特征提取器，生成兩類特征圖像庫。通過方向角?分別為?0，?30，?60，?90，?120和?150的Gabor濾波器提取圖像紋理特征，通過八個方向梯度掩膜提取圖像梯度特征，分別生成紋理特征庫與梯度特征庫。利用特征庫訓(xùn)練字典，可分別生成紋理特征字典和梯度特征字典。

5、>　　最后，基于對現(xiàn)有超分辨率重建算法和圖像特征提取及分類的研究和分析，提出基于特征分類和稀疏矩陣的圖像超分辨率重建算法。在超分辨率重建過程中，逐塊選取待重建圖像塊，根據(jù)圖像塊方差將圖像塊分為平坦區(qū)域和非平坦區(qū)域。對于平坦區(qū)域的圖像塊，判斷其紋理特征屬性，用紋理特征字典進(jìn)行超分辨率重建；對于非平坦區(qū)域，提取梯度特征進(jìn)行判斷，采用梯度特征字典進(jìn)行超分辨率重建。將重建小塊聯(lián)合起來得到重建的高分辨率圖像。實驗表明，利用字典分類方法所重建圖像在