基于稀疏表示理论的图像超分辨率重构算法研究-信息与通信工程专业论文.docxVIP

上海交通大学工学硕士学位论文摘要 上海交通大学工学硕士学位论文 摘要 上海交通大学工学硕士学位论文摘要 上海交通大学工学硕士学位论文 摘要 第 第 I 页 万方数据 第 第 II 页 万方数据 基于稀疏表示理论的图像超分辨率重构算法研究 摘 要 图像超分辨率重构是一种以同一场景中的一幅或一组低分辨率 图像为输入，结合图像的先验知识，重构出一幅高分辨率图像的技术。 这一技术能够在不改变现有设备的前提下，有效提高图像分辨率，改 善图像视觉效果，为图像的后续处理奠定良好的基础。 本文在总结基于插值、基于重构和基于学习的分辨率重构算法特 点的基础上，重点介绍了 Yang 提出的基于稀疏表示理论的超分辨率 重构算法。针对该算法需要大量的训练图片库来进行字典训练，而且 运算时间较长的问题，本文分别提出基于形态学成分分析(MCA： HYPERLINK http://jstarck.free.fr/mca.html Morphological Component Analysis)分解和基于显著图的图像稀疏表 示超分辨率重构算法。其中，基于 MCA 分解的图像超分辨重构算法首 先采用 MCA 将低分辨率图像分解为纹理子图和结构子图。字典训练时 只利用纹理子图信息，重建时也只对纹理子图进行基于稀疏表示的重 建。结构子图的重建则使用双三次插值算法。基于显著图的图像超分 辨重构算法则根据人眼视觉特性，将图像分解为显著区域和非显著区 域两部分，只对显著区域采用基于稀疏表示的重建算法，对非显著区 域使用双三次插值算法重构。 仿真实验表明，本文所提出的两种算法在保持图像质量和重构稳 定性的前提下，均达到了预期改进目标。 关键词：超分辨率重构，稀疏表示，超完备字典，形态学成分分析， 显著图 上海交通大学工学硕士学位论文AB 上海交通大学工学硕士学位论文 ABSTRACT 上海交通大学工学硕士学位论文AB 上海交通大学工学硕士学位论文 ABSTRACT RESEARCH OF IMAGE SUPER-RESOLUTION RECONSTRUCTION BASED ON SPARSE REPRESENTATION THEORY ABSTRACT Image super-resolution（SR） reconstruction is to reconstruct a high-resolution（HR）image from one or a series of low-resolution（LR） images in the same scene with a certain amount of prior knowledge. Such technique can effectively enhance image resolution, improve the visual effect and prepare a good foundation for the later processing of the image, without changing the existing equipments. This dissertation first reviews some classical SR algorithms which belong to the interpolation based methods, the reconstruction based ways and the learning based schemes, respectively. Among these algorithms, we discuss the SR scheme based on sparse representation proposed by Yang in detail. Compared with the traditional SR algorithms, the Yang’s scheme performs significantly better in the recovery results. But it needs a large amount of test images during the dictionary training stage, and it cost a long time for the HR image restoring. To solve the above mentioned problems, this paper separately proposed two algorithms, a MCA decomposition based SR algorithm and a sa