基于稀疏邻域嵌入法的图像超分辨技术研究.pdfVIP

第 13卷 第7期 2013年3月 科 学 技 术 与 工 程 Vo1．13 No．7 MaL 2013 l671— 1815(2013)07-1840—07 ScienceTechnologyandEnoneefing ⑥ 2013 Sci．Tech．Engrg． 基于稀疏邻域嵌入法的图像 超分辨技术研究 曾俊国 (成都工业学院，成都611730) 摘 要 到现在为止，基于邻域嵌入法(NE)的图像超分辨(SR)技术都采用两个独立的步骤合成高分辨的图像。首先以Eu— clidean距离作为标准进行邻域搜索，然后通过求解一个约束最小均方问题得到最优的加权值。然而，采用两个独立的过程并 不是最优的。提出一种基于稀疏邻域选择的图像超分辨算法。首先确定可能的邻域范围，然后采用稳健SL0算法同时找出 邻域和加权值。由于采用聚类方法，用于重建的k个最近邻域(k．NN)具有相似的局部几何结构，可以采用一种 1做方向梯 度直方图(HoG)的统计方法对低分辨图像块进行聚类。通过在合成过程中利用HoG的局部结构信息，每幅低分辨图像的k— NN都能从相对应的子集中自适应的选择，从而在保证合成图像质量的前提下大大提高了合成高分辨图像的速度。仿真表明 本文算法能够得到与传统方法相似的结果。 关键词 方向梯度直方图 邻域嵌入 稀疏表示 超分辨 中图法分类号 TP391．41； 文献标志码 A 图像超分辨就是 由同一场景的多幅低分辨图 高分辨图像。在文献[5]中，Freeman等人首先提出 像得到高分辨图像的过程。通过提高低分辨图像 采用训练的方法得到高分辨的图像，然而他们的方 的分辨率，能够得到更多的关于图像信息，因而得 法需要大量的训练样本，而且不具有广泛适用性。 到了广泛的应用，比如：计算机视觉、医学成像、视 在文献 [6]中，Chang等人假设低分辨图像块与相对 频监视等。 应的高分辨图像块具有相似的几何结构，从而采用 在过去二十年问，学者们提出了许多图像超分 一 种局部线性嵌入的方法实现超分辨。Yang等人 辨技术。这些技术大概可以分为三类：基于插值的 利用LR—HR图像对具有相同的稀疏表示的特性 方法 ]、基于多重图像的方法 ]、基于样本学习的 提出了一种基于样本学习的算法 。最近，Dong等 方法 ．4]。现主要研究基于样本学习的方法，因为 人将 自适应稀疏域选择和只适应归一化结合在一 起提出了一种统一的图像恢复系统，在图像降噪、 这种方法具有更强的超分辨能力。 去模糊、超分辨等方面都取得了较好的效果。基于 基于样本学习的方法认为在低分辨图像 中缺 回归的方法通过一系列学习对应函数直接估计 出 失的高频细节能够 由训练数据预测。基于样本学 高分辨图像的像素值。 习的方法主要分为两类：基于编码的方法和基于回 由于主要研究基于邻域嵌入的方法。与文献 归的方法。基于编码的方法首先学习LR—HR图 [5]相比，基于NE的方法对样本数据的要求更低， 像块相对应部分的字典，然后由估计得到的测试图 而且适用范围更广。然而基于NE的方法同样具有 像和训练图像的LR图像块的联系合成期望得到的 自身的缺点：由于高维空间的特征在低维空间并不