為了提高重建圖像質(zhì)量,減少處理時(shí)間,提出一種基于L_1/2正則約束的單幀圖像超分辨率重建算法.該算法在稀疏重建字典對訓(xùn)練階段,為了有效提取低分辨率圖像邊緣、紋理等特征細(xì)節(jié)信息,采用小波系數(shù)單支重構(gòu)方法對低分辨率圖像進(jìn)行特征提取;而在圖像重建階段,為了解決基于L1正則模型得到的解時(shí)常不夠稀疏,重建圖像質(zhì)量有待進(jìn)一步提高的問題,采用L_1/2范數(shù)代替L1范數(shù)構(gòu)建超分辨率重建模型,并且采用一種快速求解的L_1/2正則化算法進(jìn)行稀疏求解.實(shí)驗(yàn)結(jié)果表明:與現(xiàn)有算法相比較,該算法在重建圖像主觀和客觀評價(jià)指標(biāo)、算法運(yùn)行速度等方面均更優(yōu). 

【文章來源】：華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017,45(06)北大核心EICSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

圖１Ｇｉｒｌ圖像重建結(jié)果比較

圖４λ對重建結(jié)果的影響知：三種算法都是根據(jù)λ不同的取值得到的ＰＳＮＲ值，λ取值逐漸增大，得到的ＰＳＮＲ值也逐漸增大，不過增大的幅度逐漸減小，即在λ達(dá)到一定值后，隨著λ增大，ＰＳＮＲ值逐漸趨于穩(wěn)定．因此，為了明確表達(dá)本文算法效果，λ取值范圍為ＰＳＮＲ變化比較明顯的區(qū)域（０．０１～０．１５）．在λ達(dá)到０．１之后，本文算法比文獻(xiàn)［５］和文獻(xiàn)［９］算法增加的幅度小，即λ取值對本文算法的影響較小，并且穩(wěn)定性增強(qiáng)．３結(jié)語提出了一種基于Ｌ１／２正則約束的單幅圖像超分辨率重建算法．該算法在字典訓(xùn)練階段對訓(xùn)練樣本庫中的低分辨率圖像通過小波系數(shù)重構(gòu)方法進(jìn)行特征提取，得到比較全面的特征信息，從而增強(qiáng)細(xì)節(jié)表達(dá)能力．在圖像重構(gòu)階段，結(jié)合ＡＰＧ算法和半閾值算法，提出快速Ｌ１／２正則化算法來重建高分辨率圖像，提高重建圖像的質(zhì)量，減少了計(jì)算時(shí)間．通過與文獻(xiàn)［５］和文獻(xiàn)［９］算法進(jìn)行對比，本文算法不論在ＰＳＮＲ上，還是在ＲＭＳＥ上，都有顯著提高，并且時(shí)間相應(yīng)縮短．參考文獻(xiàn)［１］黃浩鋒，肖南峰．基于組稀疏表示的醫(yī)學(xué)圖像超分辨率重建［Ｊ］．計(jì)算機(jī)科學(xué)，２０１５，４２（Ｓ１）：１５１－１５３．［２］魏士儼，顧征，馬友青，等．基于壓縮感知的月球探測器著陸圖像超分辨重建［Ｊ］．紅外與毫米波學(xué)報(bào)，２０１３，３２（６）：５５５－５５８．［３］蔣建國，陳亞運(yùn)，齊美彬，等．基于自相似性和稀疏表示的圖像超分辨率重建［Ｊ］．光電工程，２０１５，４２（１２）：７

算法、文獻(xiàn)［５］算法、文獻(xiàn)［９］算法的ＰＳＮＲ均值提高了１．１７，０．１８２，０．０５ｄＢ；ＲＭＳＥ的均值分別減少了１．０１，０．１３，０．０５；平均重建時(shí)間比文獻(xiàn)［５］算法、文獻(xiàn)［９］算法分別減少了３９．２％和６．８％．圖１～圖２分別給出了Ｇｉｒ等２幅圖像利用雙三次插值算法、文獻(xiàn)［５］算法、文獻(xiàn)［９］算法和本文算法重建的結(jié)果圖像．綜合圖１～圖２，雙三次插值算法僅使用了插值，其殘留的模糊最明顯；文圖１Ｇｉｒｌ圖像重建結(jié)果比較圖２Ｒａｃｏｏｎ圖像重建結(jié)果比較獻(xiàn)［５］算法得到的高分辨率圖像相對于插值圖像，細(xì)節(jié)部分比較清晰，但邊緣區(qū)域仍然存在少許鋸齒現(xiàn)象；文獻(xiàn)［９］算法超分辨率重建效果增強(qiáng)，對比前兩種算法得到的圖像在細(xì)節(jié)和邊緣部分更加清晰，但是仍然存在部分模糊殘留．由圖１～圖２可知：與其他算法相比，本文算法的重建結(jié)果在邊緣和紋理結(jié)構(gòu)上更加清晰，高頻細(xì)節(jié)更加詳細(xì)．因此，本文算法結(jié)果無論在客觀上還是主觀上都有一定的提高．對圖像進(jìn)行稀疏表示的超分辨率重建，得到的峰值信噪ＰＳＮＲ與最大迭代次數(shù)Ｎ、正則參數(shù)λ等都有關(guān)系．圖３和圖４以Ｒａｃｏｏｎ圖像為例，根據(jù)本文算法和文獻(xiàn)［５］、文獻(xiàn)［９］算法，通過λ值和Ｎ值變化得到ＰＳＮＲ值．由于雙三次插值算法并沒有訓(xùn)練字典，與λ和迭代次數(shù)沒有關(guān)系，因此圖３和圖４并沒有與雙三次插值算法進(jìn)行對比．圖３是固定λ＝０．１５不變，最大迭代次數(shù)按照２的倍數(shù)疊加得到的ＰＳＮＲ．圖４是固定最大迭代

【參考文獻(xiàn)】：
期刊論文
[1]基于PCA-KLFDA的小樣本故障數(shù)據(jù)集降維方法[J]. 趙榮珍,王雪冬,鄧林峰.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(12)
[2]基于自相似性和稀疏表示的圖像超分辨率重建[J]. 蔣建國,陳亞運(yùn),齊美彬,王超.  光電工程. 2015(12)
[3]基于進(jìn)化深度學(xué)習(xí)的特征提取算法[J]. 陳珍,夏靖波,柏駿,徐敏.  計(jì)算機(jī)科學(xué). 2015(11)
[4]基于組稀疏表示的醫(yī)學(xué)圖像超分辨率重建[J]. 黃浩鋒,肖南峰.  計(jì)算機(jī)科學(xué). 2015(S1)
[5]自適應(yīng)加權(quán)編碼L1/2正則化的圖像重建算法[J]. 查志遠(yuǎn),劉輝,尚振宏,李潤鑫.  計(jì)算機(jī)應(yīng)用. 2015(03)
[6]多正則化形式的超分辨率圖像重建[J]. 朱齊丹,孫磊,蔡成濤.  光電工程. 2015(01)
[7]基于自學(xué)習(xí)的稀疏正則化圖像超分辨率方法[J]. 李娟,吳謹(jǐn),陳振學(xué),楊莘,劉勁.  儀器儀表學(xué)報(bào). 2015(01)
[8]基于多成分字典和稀疏表示的超分辨率重建算法[J]. 劉梓,宋曉寧,於東軍,唐振民.  南京理工大學(xué)學(xué)報(bào). 2014(01)
[9]基于小波變換的圖像增強(qiáng)算法[J]. 陳莉.  陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2014(01)
[10]基于壓縮感知的月球探測器著陸圖像超分辨重建[J]. 魏士儼,顧征,馬友青,劉少創(chuàng).  紅外與毫米波學(xué)報(bào). 2013(06)

碩士論文
[1]一種快速求解L1/2正則化問題的新算法[D]. 謝林林.大連理工大學(xué) 2014



本文編號：3272915