基于稀疏约束的图像超分辨率重建技术研究-信号与信息处理专业论文.docxVIP

南 京 邮 电 大 学 硕士学位论文摘要 学科、 专业：工学 信号与信息处理 研 究 方 向：图像处理与多媒体通信 作 者：2009 级硕士研究生梁秀聚 指 导 教 师：干宗良 博士 题 目：基于稀疏约束的图像超分辨率重建技术研究 英 文 题 目：Research on Image Super-Resolution Based on Sparse Constraint 主 题 词：图像超分辨率重建，稀疏约束，非局部迭代反投影， K 均值聚类， 非局部均值去噪 Keywords: Image Super-Resolution, Sparse Constraint, Non-Local Iterative Back-Projection, K-Means Clustering, Non-Local Means Denoising 南京邮电大学硕士研究生学位论文 摘要 摘 要 图像超分辨率重建是利用同一场景中的一幅或一组低分辨率图像，结合一定的先验知识， 重建一幅高分辨率图像的技术。该技术能够在不改变现有设备的条件下，有效提高图像的分 辨率，具有广阔的应用前景。 本文首先简要介绍了图像超分辨率重建的现有算法及图像稀疏冗余模型的相关理论，然 后针对图像非局部冗余稀疏和字典稀疏表示两个方面，进行超分辨率重建算法研究。主要工 作包括 3 个方面： 1. 提出改进的非局部迭代反投影（NLIBP：Non-Local Iterative Back-Projection）算法。 通过自适应的控制参与 NL 后处理的像素点范围及优化相似度计算的方法，降低其计算复杂 度，并抑制其部分过修正问题。实验结果表明，改进后的算法具有较快的重建速度，且具有 较好的主客观重建质量。 2. 简要介绍了基于稀疏约束的算法，并针对其计算复杂度高的问题，提出了一种基于 K 均值聚类的自适应快速重建方法。所提算法从两个方面降低其计算复杂度 ：（1）分类训练字 典，对图像块归类重建，降低每个图像块所用字典的大小 ；（2）对图像块的特征进行分析， 自适应的选择重建方法。实验结果表明，本文提出的快速重建方法在重建质量与原算法相当 的前提下，可以在较大程度上降低重建时间。 3. 针对基于稀疏字典约束的超分辨重建算法，提出了一种以非局部相似结构为导向的全 局后处理方法，通过结合非局部均值（NLM：Non-Local Means）边缘去噪算法与改进的 NLIBP 算法，充分利用图像中的边缘信息、非局部相似结构，提高图像重建质量。实验结果表明， 本文提出的后处理方法可以有效的改善图像边缘及整体上的平滑性，获得了更好的主客观重 建质量。 关键词：图像超分辨率重建，稀疏约束，非局部迭代反投影，K 均值聚类，非局部均值去噪 I II II 南京邮电大学硕士研究生学位论文 Abstract Abstract Image super-resolution is to reconstruct a high resolution image from one or more low resolution images of the same scene by using some certain prior knowledge. This technology has a good prospect for its device independence and encouraging results. This thesis first briefly introduces some classical algorithms and some theories about image sparse and redundant representation model, and then focuses on the research of image super-resolution based on image non-local redundancy sparsity and dictionary sparse representation. The three contributions presented in this thesis can be concluded as follows. An improved non-local iterative back-projection algorithm (NLIBP) is proposed. It can reduce the computational complexity and avoid the over-correction for some interpolated pixels by ada