基于字典学习和稀疏表示的超分辨率重建算法研究-信息与通信工程专业论文.docxVIP

{面要 {面要 扳倒性〈啤刨量百姓〉声明 牟人，除 'J!1iM茸的 且找个人雀。"绚号'亨迫衍阙琪，吃了你 lU累得的哥 究成搜. ，事疵另兔J. 1拿7):01'1'1iJJ且.ll:l际" f<> 民翻"咿所罗列的肉 外 .论叉1'" 事也舍其他人已忽茸衷曲棍Si萃的研究琪'民毫也不也食为莓!ff栓'等 'H税放大学 AA'E:II:向民梢的争D:!!<ìf.扫而ii{i!ffl 业的+l斜.与民-间工作的嗣态刘华研究 m a血伪任何钱'囊Jl1ell'论立中'隙 (19JD鸟"慌IIJJ JtR l'i王 ril，. ，.叫'惰'也绝交勺资剖fI何不挤在给. ，监人承tu l;I)m爽11f ，. A-ál!I'o. 5?'斗 自身j 叫马 树 11 国 去子论文使用授扭的现明 牟人筑:金γ，尊怯林也τN41先大学41)息'事街和使用句It tU含义的烧成 .IU: 研究 住在险农旗号声位贩倒论案工作 J支部i!'J"&取仪属也协‘缸子科梭 x甲本人{!t1t'1' 唱'1跑回.发奇怪怆丈恩庭时 '倒告文工作俗巢 ，，，忽职位衍'自"/Ii.I附件地 !f. 学位"假假航l!J言论3富的j(mlt. 元ii'毡'啦:fOf"O晴 叉，学眩可以公布论立的金 '"或部分内郭. l'ltlft;I.'J来. 交夜1f W.1后越守此魅 > JIII睡粤、编￡加141军elt制手拽"仿;e攻. (Ql糠的地 本!t监论文幌子保事ee;_邻'晴和后滔衔李银椒 1$. A:^1it'.: 支jj斗 附俨忡61(11 1) 柑势如夺 凡叶间，.，)1 万万敛t? 摘 摘 要 万方数据 万方数据 摘 要 在无需改善现有硬件设备条件下，超分辨率重建技术只需采用信号处理技术即能 获得满足所需的高分辨率图像，技术可行且成本低廉，越来越多地应用于医学成像、 公共安全、交通、军事遥感等重要领域。基于稀疏表示的超分辨率重建技术通过构造 一过完备字典对，以及图像块相对于该字典的稀疏表示系数，取得了较好的重建结果， 为了进一步提高图像重建质量和改善字典学习方法，本文基于图像稀疏表示理论，重 点研究了基于字典学习方法的超分辨率重建，主要研究工作如下： （1）研究并修改了图像稀疏表示的优化模型、求解方法、字典构造方法等关键 技术问题，并用于稀疏表示的图像超分辨重建。 （2）针对 Yang 和 Zeyde 提出的两种经典的基于稀疏表示的超分辨率重建算法中 存在的计算量过大、字典训练效率低、及字典训练方法不能确保高低分辨率图像的对 应块具有相同稀疏编码系数等问题。本文做了以下几点改进：一是利用迭代反投影 （IBP）预处理方法处理高分辨率图像获得差值图像（只含图像高频信息），并提取差 值图像块用于字典训练和稀疏求解，有效地降低了计算量；二是利用奇异值分解 （K-SVD）和联合字典生成训练方法，训练差值图像块和低分辨率图像块生成高低分 辨率字典对用于超分辨率重建，提高了字典训练效率的同时保证了高低分辨率图像的 对应块具有相同的稀疏编码系数；三是在图像重建中引入非局部相似的正则项约束以 进一步提高重建图像的质量。实验仿真表明，本文算法获得的重建图像与上述两种经 典算法相比较，在主观视觉效果和峰值信噪比方面都有显著提高。 （3）针对上述两种经典的超分辨率重建算法中，采用过完备字典对图像进行稀 疏表示存在误差和缺乏自适应性的问题，以及 Dong 提出的自适应的稀疏域选择算法 中，采用两个正则项约束的重建模型计算复杂度较高的问题。本文提出了一种基于结 构聚类和主成分分析（PCA）子字典学习的超分辨率重建算法。一是利用基于结构聚 类和 PCA 变换的子字典训练方法获得稀疏表示能力更强的子字典用于超分辨率重 建。二是在图像重建阶段优化了 Dong 提出的基于降质恢复的模型，去除两个复杂度 较高的正则项约束。三是采用简单的非局部相似性和迭代反投影双层约束进一步改善 重建图像质量。实验仿真表明，与上述三种算法相比，本文算法获得的图像在主观视 觉效果和峰值信噪比方面均有很大改善，且边缘和细节更清晰。 关键词：超分辨率重建；稀疏表示；字典学习；非局部相似；主成分分析。 I Abst Abstract Abstract Without having to improve the existing condition of hardware devices, super-resolution reconstruction technologies is able to get the required high resolution images by using signal processing technique. Such resolut