基于字典学习和稀疏表示的超分辨率图像复原方法研究-计算机应用技术专业论文.docxVIP

国 国内图书分类号：TP391.41 万方数据 万方数据 工学博士学位论文 基于字典学习和稀疏表示的超分辨率 图像复原方法研究 博 士 研 究 生：王小玉 导 师：陈德运 申 请 学 位 级 别：工学博士 学 科 、 专 业：计算机应用技术 所 在 单 位：计算机科学与技术学院 答 辩 日 期：2014 年 6 月 授 予 学 位 单 位：哈尔滨理工大学 C Classified Index：TP391.41 Dissertation for the Doctor Degree in Engineering Study on Super-Resolution Image Restoration Method Based on the Dictionary Learning and Sparse Representation Candidate： Wang Xiaoyu Supervisor： Chen Deyun Academic Degree Applied for： Doctor of Engineering Specialty： Computer Applied Technology Date of Oral Examination： June, 2014 University： Harbin University of Science and Technology 哈尔滨理工大学博士学位论文原创性声明 本人郑重声明：此处所提交的博士学位论文《基于字典学习和稀疏 表示的超分辨率图像复原方法研究》，是本人在导师指导下，在哈尔滨 理工大学攻读博士学位期间独立进行研究工作所取得的成果。据本人所 知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对 本文研究工作做出贡献的个人和集体，均已在文中以明确方式注明。本 声明的法律结果将完全由本人承担。 作者签名： 日期： 年 月 日 哈尔滨理工大学博士学位论文使用授权书 《基于字典学习和稀疏表示的超分辨率图像复原方法研究》系本人 在哈尔滨理工大学攻读博士学位期间在导师指导下完成的博士学位论 文。本论文的研究成果归哈尔滨理工大学所有，本论文的研究内容不得 以其它单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用 学位论文的规定，同意学校保留并向有关部门提交论文和电子版本，允 许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或 其他复制手段保存论文，可以公布论文的全部或部分内容。 本学位论文属于 保密 ，在 3 年解密后适用授权书。 不保密 √。 (请在以上相应方框内打√) 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 摘要 摘要 基于字典学习和稀疏表示的超分辨率 图像复原方法研究 摘要 随着多媒体技术和网络技术的飞速发展， 在人们的工作、学习和生活 中，图像信息越来越重要。但是，图像在获取、存储和传输等过程的各个环 节中，会受到技术上的限制、天气因素的影响以及一些其它因素的影响，导 致最终获取的图像不可避免地存在各种图像质量下降问题，表现为图像模 糊、失真、有噪声等等。而我们需要的是清晰的、高分辨率的图像。因此， 对降质的图像进行复原在实际应用和生活中具有非常重要的意义。 由于从硬件上改变图像质量受到诸多因素的限制，并且成本越来越高, 人们开始考虑从软件上改进图像质量，超分辨率图像复原技术 便应运而生 了。其中基于学习的超分辨率图像复原方法逐渐成为一种最重要的方法。它 的特点在于其对图像的复原准确，有较强的图像特征保持性，对图像噪声的 鲁棒性强。在基于学习的框架下，本文以提高图像的主观视觉效果作为最终 目标，对基于字典学习和稀疏表示的图像超分辨率复原方法进行了较为深入 的研究。本论文的主要内容有： 基于图像内容的字典学习和稀疏表示的超分辨率图像复原方法研究。根 据训练图像内容间的差异性，引入聚类的概念，利用聚类的算法将一个较为 完整且规模较大的训练字典分为不同的类别，并根据待复原图像的内容，有 针对性地选择分类，进行图像复原，使算法更具有区分性和针对性，使图像 具备良好的自适应性。相对于传统的超分辨率复原算法，该算法无论是在 SSIM 还是 PNSR 等客观测试数据以及主观视觉效果上都具有一定的优势。 基于内容的双重字典学习和稀疏表示的超分辨率复原方法研究。在将训 练图像根据内容分类的基础上，将图像的高频信息划分为主要高频信息和冗 余高频信息，对其分别训练字典，形成双重字典，对待复原图像进行双层次 的超分辨率图像复原操作，使重构图像能够获得更加丰富的高频信息，使重 构效果更好。实验结果表明，该算法捕获了更多的图像细节信息，比其他传 - I - 哈尔滨理工大学工学博士学位论文 哈尔滨理工大学工学博士学位论文 统的一些超分辨率图像复原算法