基于聚类和回归超分辨率方法.docVIP

基于聚类和回归超分辨率方法 　　摘要：基于实例的超分辨算法在超分辨重建技术中得到了广泛的应用，如邻域嵌入算法。这个算法的理论基础建立在流形假设上，而流形假设往往并不是成立。为了避免流形假设，提出了基于聚类和回归的超分辨率方法。由于图像的信息较为复杂，因此首先将图像样本块进行聚类。然后，在高分辨图像块与低分辨图像块中学习局部回归函数。最后应用回归函数进行超分辨重建。将仿真实验结果与其他算法进行比较，证明了该算法的可行性和有效性。 　　关键词：超分辨率；邻域嵌入；流形假设；聚类；局部回归 　　中图分类号：TP301文献标识码：A文章编号：1009-3044(2011)07-1651-03 　　Super-resolution via Clustering and Regression 　　GUO Qi 　　(Faculty of Mathematics and Computer Science, Hubei University, Wuhan 430062, China) 　　Abstract: Example-based super-resolution algorithm has been widely used in the super-resolution reconstruction technology, such as neighbor embedding algorithm. These algorithms are based on manifold assumption, while manifold assumption does not always hold. In order to avoid the assumption, a super-resolution method based on cluster and regression is presented. Because of the complexity of image information, firstly, the image patches are clustered. Then, a local function is learned between high-resolution image patches and low-resolution image patches. Finally, the function is used to generate high image. The result of simulation experiment, which is compared to other algorithms, indicated the feasibility and the effectiveness of this algorithm. 　　Key words: super-resolution; neighbor embedding; manifold assumption; clustering; local regression 　　随着多媒体技术的不断发展，图像信息在我们生活中扮演着越来越重要的角色，人们对数字图像的分辨率要求越来越高。高分辨率图像在实际应用中的作用越来越广泛，例如医学诊断[1]、模式识别[2]、生物识别[3]、卫星图像[4]等。然而往往在实际应用中很难收集到一些高分辨率的图像，而且价格较为昂贵。因此，如何通过低分辨率图像来建立高分辨率图像是值得探讨与研究的问题。 　　为了解决上述问题，超分辨率技术成为最热门的数字信号处理技术之一。 图像的超分辨率问题出现在许许多多真实世界的应用中。一个常见的应用就是当我们想增加一副图像的分辨率时，我们通常都会用到的一个数码图像软件，例如Photoshop。另外一个应用在于网页中图像的呈现情况。为了缩短网页的浏览响应时间，图片经常会以低的分辨率呈现出来，如果用户想浏览某个图的大图形式，打开相应的小的图片就会显示出较高分辨率的图像。 　　超分辨率问题是指从一个或者多个低分辨率的图像中重建一个高分辨率的图像。在现存的方法中，基于差值的方法[5-6]，基于重建的方法[7-8]和基于实例的方法[9-12]常用在超分辨率方法中。 　　基于差值的方法是根据插值公式来增强图像的分辨率，常用的差值方法有：最临近差值法，双线性插值法和双三次插值法。虽然基于差值的算法运算快速，但是用这些方法重建的高分辨率图像却只有较少的高频信息。 　　基于重建的方法是目前获得广泛研究的方法。这类方法是通过在适当的亚像素平移干扰下的多幅低分辨率图像来重建高分辨率图像，它要求这一系列低分辨率图像都是来自于同一个场景。因此这类方法虽然可以得到很好的效果，但缺点