基于映射矩阵的图像超分辨率算法研究

发布时间：2021-08-13 08:43

　　在计算机视觉领域中,图像超分辨率重建技术是其中的一个研究热点,其可以在不改变现有的硬件成像设备下,能够还原出更清晰的图像。所以,图像超分辨率重建能够被广泛的运用在诸多关键的领域上,比如:公共安全、遥感图像、数据压缩、高清视频等。图像超分辨率重建是通过使用一系列算法对低分辨率图像进行处理,得到一幅输出的高分辨率图像。传统的超分辨重建算法重建出的图像,存在模糊问题和伪影现象。为了提高图像重建的清晰度,本文主要在基于锚点回归的方法的基础上展开相关的研究,所作的主要工作和创新点有:（1）为了不受外部图像样本集的限制,本文构建基于图像本身的样本集。从能量的角度对图像进行分析,图像的能量主要集中在低频分量上,高频分量所占的能量只是其中的极少部分。因此,为了更好的恢复图像的高频信息,本文先用水平梯度算子和垂直梯度算子把图像的高频分量提取出来,再分别对高频分量和低频分量分开重建。最后,采用迭代算法联合重构出低频信息和高频信息。与其它超分辨率算法相比,仿真实验证明了本文所提出的方法重建出的图像在图像的边缘上更锐利。（2）针对现有的锚点回归方法重建出的图像存在边缘较模糊的问题,本文先引入一个卡通纹理分解算... 

【文章来源】：浙江师范大学浙江省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图像退化过程模型图

2基于锚点回归的图像超分辨率重建251.0Y按照00.98,0,1,...,20iiXYi作下采样操作。2.取步骤1处理后的图像，做90°、180°、270°旋转和翻转。3.取步骤1和步骤2的结果图像，作为0Y的高分辨率图像训练集。4.0Y的高分辨率图像训练集做模糊和下采样操作后，得到的图像作为0Y的低分辨率图像训练集。2.4.2重建阶段算法图2.1给出所提出方法在重建阶段的算法框架图，如下：图2.1重建阶段框架图从图2.1中可以看出，所提出方法在重建阶段由三个部分组成：低频重建、高频重建和联合重建。首先，对输入的测试图像进行低频恢复，得到一幅低频恢复图像；其次，用脊回归的方法分别恢复水平梯度图像和垂直梯度图像；最后，把这三幅图像进行联合，作为最终输出的高分辨率图像。算法2.2给出所提出方法在重建阶段的算法步骤，如下：

3基于卡通纹理分解的图像超分辨率重建36通字典和纹理字典的原子，分别进行回归学习卡通映射函数和纹理映射函数。图3.1训练阶段算法框架图算法3.1给出所提出方法在训练阶段的算法步骤，如下：算法3.1训练阶段训练阶段算法步骤输入：图像训练集输出：一对卡通字典对、一对纹理字典对、卡通映射矩阵和纹理映射矩阵1.卡通纹理分解原始图像训练集。2.采用M-KSVD方法和伪逆方法在卡通图像训练集中，分别学习低分辨率卡通字典和高分辨率卡通字典。3.重复步骤2的方法，在纹理图像训练集中学习低分辨率纹理字典和高分辨率纹理字典。4.寻找卡通字典原子和纹理字典原子的最近邻。5.按照式（3.14）求解卡通映射矩阵。6.按照式（3.15）求解纹理映射矩阵。3.5.2重建阶段算法流程图3.2给出了所提出方法在重建阶段的算法框架图。首先，用卡通纹理分解算法对输入的低分辨率测试图像进行卡通纹理分解，把测试图像分解成两幅图像：低分辨率卡通图像和低分辨率纹理图像。接着分别对这两幅图像进行分块操作，分块完成后得到两类图像块集：卡通图像块集合和纹理图像块集。然后，为了重建出高分辨率卡通图像和纹理图像，需要为卡通图像块和纹理图像块分别寻找各自的最合适卡通映射

【参考文献】：
期刊论文
[1]图像超分辨率技术的回顾与展望[J]. 刘颖,朱丽,林庆帆,李莹华,王富平,卢津.  计算机科学与探索. 2020(02)
[2]基于稀疏表示的图像超分辨率重建算法设计[J]. 石翠萍,王晴.  微电子学与计算机. 2019(10)
[3]基于自适应锚定邻域回归的图像超分辨率算法[J]. 叶双,杨晓敏,严斌宇.  计算机应用. 2019(10)
[4]一种自适应稀疏表示和非局部自相似性的图像超分辨率重建算法[J]. 张福旺,苑会娟.  计算机科学. 2019(S1)
[5]关于插值算法的超分辨恢复[J]. 张艳霞,郝英,杨其荣.  南昌大学学报(理科版). 2017(01)



本文编号：3340114