【摘要】：圖像超分辨率復(fù)原技術(shù)是當(dāng)今圖像處理領(lǐng)域一項(xiàng)極具挑戰(zhàn)性且受到廣泛關(guān)注的前沿研究課題。在圖像的成像過(guò)程中，受硬件設(shè)備和成像系統(tǒng)的制約，最終獲取的圖像并不是原始場(chǎng)景的整體復(fù)原，不能保存原有的全部信息。超分辨率復(fù)原技術(shù)是成像的逆過(guò)程，主要是指利用一幅或者多幅低分辨率的圖像來(lái)恢復(fù)高分辨率的圖像。 近幾年，受信號(hào)處理領(lǐng)域壓縮感知思想的啟發(fā)，圖像超分辨復(fù)原領(lǐng)域涌現(xiàn)出很多利用稀疏表示的方法，主要是基于向量的稀疏性進(jìn)行研究的。本文從矩陣角度出發(fā)，利用秩極小化理論對(duì)單幅圖像超分辨復(fù)原問(wèn)題進(jìn)行研究。 首先，建立單幅圖像超分辨率復(fù)原的壓縮主成分追蹤模型。模型中的近似低秩矩陣是根據(jù)圖像的非局部自相似性構(gòu)造的。本文采用增廣拉格朗日乘子法將近似低秩矩陣分解成低秩矩陣和稀疏矩陣的和，，并將恢復(fù)的低秩矩陣作為高分辨率圖像。 其次，將壓縮主成分追蹤模型進(jìn)行推廣，建立了單幅圖像超分辨率復(fù)原的Outlier Pursuit模型。該模型不僅考慮了恢復(fù)的低秩部分，也合理利用了恢復(fù)的稀疏差異部分，將兩者共同作為復(fù)原的高分辨率圖像。 最后，通過(guò)實(shí)驗(yàn)進(jìn)行仿真，實(shí)驗(yàn)結(jié)果表明，基于秩極小化理論建立的單幅圖像超分辨復(fù)原模型是可行的，且采用低秩和稀疏部分聯(lián)合的Outlier Pursuit模型所恢復(fù)的圖像比只采用低秩部分的壓縮主成分追蹤模型更有效。
[Abstract]:Image super-resolution restoration technology is a very challenging and widely concerned frontier research topic in the field of image processing. In the image imaging process, because of the restriction of hardware equipment and imaging system, the acquired image is not the whole restoration of the original scene, and can not save all the original information. Super-resolution restoration is the inverse process of imaging, mainly refers to the use of one or more low-resolution images to restore high-resolution images. In recent years, inspired by the idea of compression perception in the field of signal processing, a lot of sparse representation methods have emerged in the field of image super-resolution restoration, mainly based on the sparsity of vectors. In this paper, the super-resolution restoration of single image is studied by using rank minimization theory from the angle of matrix. Firstly, a compressed principal component tracking model for super-resolution restoration of single image is established. The approximate low rank matrix in the model is constructed according to the nonlocal self-similarity of the image. In this paper, the augmented Lagrangian multiplier method is used to decompose the approximate low-rank matrix into the sum of low-rank matrix and sparse matrix, and the restored low-rank matrix is used as a high-resolution image. Secondly, the compressed principal component tracking model is generalized, and the Outlier Pursuit model of single image super-resolution restoration is established. The model not only considers the low rank part of the restoration, but also makes reasonable use of the sparse difference part of the restoration, and takes the two parts together as the restored high-resolution image. Finally, the simulation results show that the single image super-resolution restoration model based on rank minimization theory is feasible. The Outlier Pursuit model based on the combination of low rank and sparse parts is more efficient than the compressed principal component tracking model which only uses the low rank part.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐斌兵;王正明;;基于先驗(yàn)約束的圖像超分辨率復(fù)原[J];紅外與毫米波學(xué)報(bào);2008年05期

2 張雪松;江靜;彭思龍;;圖像超分辨率重建中的運(yùn)動(dòng)模型選擇[J];華北科技學(xué)院學(xué)報(bào);2009年01期

3 李堯;張勇;李了了;;1種新穎的圖像超分辨率算法的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)與應(yīng)用化學(xué);2009年07期

4 肖宿;韓國(guó)強(qiáng);沃焱;;數(shù)字圖像超分辨率重建技術(shù)綜述[J];計(jì)算機(jī)科學(xué);2009年12期

5 李云;黃東軍;;視頻圖像超分辨率應(yīng)用系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];企業(yè)技術(shù)開發(fā);2010年17期

6 張婷;黃東軍;;視頻圖像超分辨率應(yīng)用系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];科技廣場(chǎng);2010年08期

7 張磊;楊建峰;薛彬;閆興濤;;改進(jìn)的最大后驗(yàn)概率估計(jì)法實(shí)現(xiàn)單幅圖像超分辨率重建[J];激光與光電子學(xué)進(jìn)展;2011年01期

8 李玉花;齊春;;利用位置字典對(duì)的人臉圖像超分辨率方法[J];西安交通大學(xué)學(xué)報(bào);2012年06期

9 孫雄立;;一種優(yōu)化的人臉圖像超分辨率算法[J];無(wú)線電工程;2012年09期

10 劉瑞;;基于雙邊濾波器的圖像超分辨率重建[J];科技資訊;2013年18期

相關(guān)會(huì)議論文 前7條

1 張煜東;吳樂南;奚吉;王水花;;變長(zhǎng)小生境算法用于圖像超分辨率復(fù)原[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 張東;韓軍;;圖像超分辨率重建算法研究[A];2010年西部光子學(xué)學(xué)術(shù)會(huì)議摘要集[C];2010年

3 楊浩;高建坡;陳向東;吳鎮(zhèn)揚(yáng);;利用示例圖像獲取先驗(yàn)知識(shí)的圖像超分辨率重建算法[A];第一屆中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

4 閆允一;郭寶龍;;基于小波的圖像超分辨率重建算法研究[A];第三屆全國(guó)數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

5 顧瑩;朱秀昌;;基于CS的圖像超分辨率重建[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

6 韓玉兵;殷瑋瑋;吳樂南;;基于Wavelet-HMM的圖像超分辨率重建[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

7 張瓊;付懷正;沈民奮;;基于稀疏表示的彩色圖像超分辨率重建算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 張劍;圖像超分辨率重建問(wèn)題研究[D];中南大學(xué);2010年

2 何宇清;圖像超分辨率重建關(guān)鍵技術(shù)研究[D];天津大學(xué);2007年

3 曹聚亮;圖像超分辨率處理、成像及其相關(guān)技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

4 肖建平;圖像超分辨率算法與硬件實(shí)現(xiàn)研究[D];華中科技大學(xué);2006年

5 黃淑英;基于空間域正則化方法的圖像超分辨率技術(shù)研究[D];中國(guó)海洋大學(xué);2013年

6 范郭亮;煤礦井下監(jiān)控圖像超分辨率復(fù)原關(guān)鍵技術(shù)研究[D];中國(guó)礦業(yè)大學(xué)(北京);2012年

7 徐志剛;序列圖像超分辨率重建技術(shù)研究[D];中國(guó)科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2012年

8 楊宇翔;圖像超分辨率重建算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

9 王卓崢;高性能圖像超分辨率方法的研究[D];北京工業(yè)大學(xué);2013年

10 胥妍;圖像超分辨率重建算法研究[D];北京郵電大學(xué);2013年

本文編號(hào)：2446194