基于自相似性的自然图像超分辨重建-模式识别与智能系统专业论文.docxVIP

摘 要 摘 要 I 摘 要 随着科学技术的发展，各个领域对图像的分辨率提出了更高的要求，以利于 图像的分析、理解和识别；然而，在现有的硬件条件下，又很难获得期望的高分 辨率图像或者图像序列，所以兴起了一门新的数字图像处理技术——数字图像超 分辨重建；图像超分辨重建技术主要是利用同一场景的多帧图像或者单帧图像来 重建一幅高分辨率图像，因此，研究数字图像超分辨重建技术有着重要的理论意 义和实际应用价值。 本文首先综述了图像超分辨重建技术的研究背景以及国内外研究情况，并总 结了主要的超分辨方法的优缺点，针对其中的一些问题，本文利用图像自相似性、 结构稀疏思想、机器学习方法、低秩表示以及非局部思想对现有的方法进行了改 进，主要工作为： （1）提出了基于低秩矩阵分解和自相似性的图像超分辨重建方法，针对图像 自身的相似性以及信息的冗余性，引入 SIFT 特征，提高查找相似块的精度；接着 通过低秩矩阵分解，使得各个相似块之间的结构信息可以相互补充，从而达到对 高分辨率图像的细节信息估计更加准确的目的，并在一定程度上提高重建图像的 质量。 （2）提出了一种基于自相似性和结构信息约束的图像超分辨重建方法，该方 法主要在求解图像块稀疏表示系数时引入结构信息约束，基于前面查找相似块的 工作，可以利用图像块的一系列相似块来约束其稀疏表示系数的求解；在得到多 个重建结果后，引入低秩表示来计算相似度权值，并结