基于梯度先驗和稀疏表示的圖像超分辨率算法研究.pdf

1、視覺是人類獲得外界信息的重要途徑，而視覺最主要的觀察對象是帶有各種信息的圖像，因此圖像成為了人類獲取信息的主要載體。在現(xiàn)實生活中，由于成像設(shè)備、設(shè)備硬件制造過程和信息傳輸條件的限制，通常人們得到的圖像的分辨率較低，而低分辨率圖像包含的信息較少，不能滿足人們在某些領(lǐng)域的應(yīng)用，比如視頻監(jiān)控、醫(yī)學(xué)檢測等領(lǐng)域。
　　圖像超分辨率技術(shù)的出現(xiàn)極大地解決了上述存在的問題，從軟件方面提高了圖像的分辨率，使得人們可以最大限度地從圖像中獲取信息，滿足

2、人們對大量信息的需要，目前成為了人們研究的熱點。圖像超分辨率技術(shù)就是利用一幅或多幅同一場景中的低分辨率圖像作為輸入，并根據(jù)圖像的先驗知識，重建出高分辨率圖像的技術(shù)。
　　本文主要對圖像超分辨率算法進行了研究。首先介紹了超分辨率技術(shù)的研究背景及意義；然后講述了三類超分辨率方法；接著對本文用到的稀疏表示模型進行分析；最后針對圖像塊在同一類內(nèi)進行字典學(xué)習(xí)所存在的不足，提出了梯度先驗和稀疏表示相結(jié)合的圖像超分辨率算法。本文的主要貢獻在以下

3、兩個方面：
　?。?）將圖像塊的梯度先驗信息引入到圖像塊的分類模型中。在對圖像塊進行訓(xùn)練之前，本文利用圖像塊的梯度先驗信息作為分類依據(jù)，對圖像塊進行分類，使得相似的圖像塊可以分在同一個類內(nèi)。
　　（2）對字典訓(xùn)練的過程進行了優(yōu)化。本文改進了基于稀疏表示的字典學(xué)習(xí)方法，僅僅對高分辨率字典采用學(xué)習(xí)的方法得到，而低分辨率字典的獲取通過對高分辨率字典提取特征得到，因此大大減少了字典訓(xùn)練過程中的時間復(fù)雜度。
　　利用所提出的算法