自相似特性下的图像超分辨率重建算法研究

发布时间：2021-09-11 10:48

　　图像超分辨率重建算法发展至今仍是图像处理领域的研究热点,在机器视觉、模式识别领域均有广泛应用。现阶段,基于学习先验的方式作为重建算法的首选,在获得高分辨率图像方面取得了巨大研究成果。本文致力于在图像自相似特性的学习先验下对图像超分辨率重建算法进行深入研究。基于稀疏表示的图像超分辨率重建算法具有很高的研究价值,但该类算法未利用图像本身结构信息,导致低分辨率图像的稀疏系数不适用于高分辨率图像重建。针对以上问题,本文在稀疏表示的基础上提出了一种基于自相似性学习和共形稀疏的图像超分辨率重建算法,使得求解的稀疏系数更适用于高分辨率图像重建。首先利用高斯混合模型引导图像内部结构相似块的分组;然后根据每个组邻居块与其对应稀疏系数在流形空间中保持局部几何角度不变的特性进行系数约束;最后,利用相似块对应的系数矩阵的低秩特性来捕获其全局结构,以获得可靠的稀疏系数矩阵。实验仿真验证了共形特性对重建算法的影响,且所提算法相比于六种对比算法重建出的图像具有更丰富的纹理细节和视觉效果。在相似图像块进行图像重建的过程中,忽视了图像中存在的更大规模结构信息的相互作用。并且利用简单的平均、图像块间信息的复杂融合或局部信... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

基于学习的超分算法主体思想图

图像退化模型

稀疏表示理论

【参考文献】：
期刊论文
[1]核稀疏表示和原子相关度的图像重建[J]. 程德强,刘威龙,邵丽蓉,陈亮亮.  中国图象图形学报. 2018(09)
[2]基于非局部相似块低秩的压缩感知图像重建算法[J]. 宋云,李雪玉,沈燕飞,杨高波.  电子学报. 2017(03)
[3]基于自相似性和稀疏表示的图像超分辨率重建[J]. 蒋建国,陈亚运,齐美彬,王超.  光电工程. 2015(12)
[4]基于多尺度结构自相似性的单幅图像超分辨率算法[J]. 潘宗序,禹晶,胡少兴,孙卫东.  自动化学报. 2014(04)
[5]超分辨率图像重建方法综述[J]. 苏衡,周杰,张志浩.  自动化学报. 2013(08)

硕士论文
[1]基于自相似性的单幅图像超分辨率重建算法研究[D]. 郭良.山东大学 2016



本文编号：3392863