基于特征學(xué)習(xí)的圖像超分辨率研究.pdf

1、隨著計(jì)算機(jī)以及互聯(lián)網(wǎng)技術(shù)的日新月異的發(fā)展，網(wǎng)絡(luò)上出現(xiàn)了大量的多媒體信息（如視頻、圖像、聲音等），這些復(fù)雜多樣的數(shù)據(jù)將人類帶入到了計(jì)算機(jī)網(wǎng)絡(luò)大數(shù)據(jù)時(shí)代。而這些信息數(shù)量龐大并且占用內(nèi)存空間多又不便于存儲(chǔ)和傳輸，如何從互聯(lián)網(wǎng)上將這些繁冗的信息進(jìn)行有效的檢索、保存、挖掘其中蘊(yùn)含的科技、商業(yè)和生活價(jià)值，成為如今需要人類急切處理的問題。人類是通過五官的感覺去獲取信息的，而人類接收、感知周圍環(huán)境事物的主要手段是視覺和語音信息。據(jù)最新研究統(tǒng)計(jì)，人類視覺

2、所獲得的信息占人類所有獲取信息的接近百分之八十。俗話說：眼睛是人類心靈的窗戶，人眼看到的信息容量大、范圍廣。對(duì)于信息的采樣及恢復(fù)，傳統(tǒng)的Nyquist采樣定理給出了傳統(tǒng)的框架，并確定了能夠準(zhǔn)確恢復(fù)原始信息的條件，即采樣的頻率應(yīng)大于信號(hào)帶寬的兩倍以上。由于原理?xiàng)l件的限制及信息本身的特點(diǎn)，給信息的存儲(chǔ)、傳輸?shù)确矫鎺淼睦щy在迅速增加。近年來，稀疏表示（Sparse representation）理論的出現(xiàn)引起了研究人員和學(xué)者的特殊關(guān)注。稀疏

3、表示原理避免了傳統(tǒng)的Nyquist采樣原理的限制，將信號(hào)投影到特定的變換域，并根據(jù)信號(hào)在該域內(nèi)的特有的稀疏特點(diǎn)及優(yōu)化方法，達(dá)到恢復(fù)出原有的信號(hào)的目的。
　　本研究在稀疏表示原理的基礎(chǔ)之上，融合機(jī)器學(xué)習(xí)、人工智能等相關(guān)領(lǐng)域的知識(shí)，給出了一種基于特征學(xué)習(xí)的圖像超分辨率重建算法。針對(duì)典型的特征提取算法提取的特征長(zhǎng)度大，算法運(yùn)行時(shí)所占用的空間多，導(dǎo)致算法運(yùn)行時(shí)間長(zhǎng)計(jì)算復(fù)雜度高的限制。在字典訓(xùn)練過程的特征提取階段，本文通過提取圖像的中頻特征