發(fā)布時間：2017-08-20 09:32

  本文關鍵詞：基于稀疏表示的圖像超分辨率重建方法研究

  更多相關文章： 圖像超分辨率重建 稀疏表示模型 非局部自相似性先驗 低秩約束 成分圖像

【摘要】：隨著科技和工業(yè)的發(fā)展,人類設計了大量的圖像成像設備(如i Phone、i Pad和數(shù)碼相機等)。伴隨著,圖像也成為人類傳遞信息的最重要的載體之一。然而,在圖像的成像、傳輸、轉換、存儲、復制和顯示等過程中,由于成像設備自身固有的物理局限性和不可預知的外部環(huán)境等不利因素的影響,人類所獲取的圖像經(jīng)常是降質(zhì)圖像。降質(zhì)意味著圖像中有用信息的污染和丟失,為了重建出這些信息,一類方法是試圖改良成像設備的硬件。目前來看,由于制造工藝水平的限制,這個方面的成效甚微;另一類方法是考慮傳感器制造之外的軟件方法,即目前的基于數(shù)字信號處理理論的圖像超分辨率重建方法。近幾年,學術上開發(fā)了很多優(yōu)秀的重建理論,這些理論也促進了其它圖像領域理論的發(fā)展;實際應用中,國家級重點工程和攻關項目也已將圖像超分辨率重建方法作為了重點研究課題進行立項。由此可見,研究圖像超分辨率重建方法有著重要的理論意義和實際應用價值。本文的研究是在國家級科技惠民計劃項目和重慶市科技攻關警務云項目的支持下展開的,以解決圖像超分辨率重建這一病態(tài)問題為主要研究內(nèi)容。首先綜述了國內(nèi)外針對這一方法的研究狀況;然后指出了目前廣泛研究的依托稀疏表示模型的單幅圖像超分辨率重建所面臨的三個缺陷;為了對應解決這三個缺陷,本論文分別開發(fā)三種重建方法。主要創(chuàng)新性工作如下:①開發(fā)雙稀疏正則化稀疏表示的圖像超分辨率重建方法。對于稀疏表示模型來講,精確的稀疏表示系數(shù)對于圖像重建至關重要,為了有效的正則化稀疏表示系數(shù),現(xiàn)有稀疏表示模型引入了局部稀疏性先驗和非局部自相似性先驗。然而,利用這兩種先驗的稀疏表示模型忽視了稀疏表示系數(shù)中每個元素之間的關系,限制了稀疏表示模型的能力。為了克服這個缺陷,首先開發(fā)稀疏表示系數(shù)的行非局部自相似性先驗(即:稀疏表示系數(shù)中每個元素之間的關系);然后利用這個先驗設計稀疏表示系數(shù)的基于l1-范數(shù)的行非局部正則項,并把此正則項引進基于局部稀疏性先驗和列非局部自相似性先驗的稀疏表示模型中;最后采用迭代收斂算法求解該模型。②開發(fā)低秩約束和非局部自相似性稀疏表示的圖像超分辨率重建方法。研究工作①通過引入行非局部自相似性先驗有效提升了稀疏表示模型的重建性能。然而對于稀疏表示模型來講:由于圖像塊的獨立稀疏編碼,將使得圖像中所有相似的圖像塊之間的全局相似性遺失。結果,相似的圖像塊可能被編碼成完全不同的稀疏表示系數(shù),這將損害稀疏表示模型的穩(wěn)定性。因此,進一步考慮圖像中所有相似塊之間的全局相似性是提升稀疏表示模型穩(wěn)定性的一個途徑。對于非局部自相似性稀疏表示模型來講,通過進一步引入稀疏表示系數(shù)的低秩約束來捕捉要重建的相似圖像塊的全局相似性,將使得相似的圖像塊能被編碼成完全相同的稀疏表示系數(shù)。為此開發(fā)低秩約束和非局部自相似性的稀疏表示模型。采用經(jīng)典的線性交替方向乘子法求解該模型。大量的實驗結果表明,開發(fā)出的模型在保護相似圖像塊之間的全局相似性方面具有卓越的能力。③開發(fā)全局非零梯度懲罰和非局部Laplacian稀疏編碼的圖像超分辨率重建方法。研究工作②從稀疏表示系數(shù)角度出發(fā)解決了稀疏表示模型的重建性能和穩(wěn)定性問題。但是,由于字典學習圖像結構的局限性,限制了稀疏表示模型在重建正確的邊緣結構上的能力。為了解決這個問題,提出的方法首先假設要重建的圖像是由邊緣成分圖像與紋理細節(jié)成分圖像組成。其中,邊緣成分圖像僅由邊緣成分和平滑成分組成;紋理細節(jié)成分圖像僅由平滑成分、紋理成分和細節(jié)成分組成。然后,為了重建邊緣成分圖像,設計一種全局梯度懲罰模型,該模型通過控制圖像中梯度不為零的數(shù)目來達到保護邊緣成分的結構和銳化邊緣的目的;為了重建紋理細節(jié)成分圖像,設計一種非局部Laplacian稀疏編碼模型,該模型能有效引入有用信息和排斥不需要的信息;為了壓抑疊加操作所帶來的瑕疵,設計一種全局和局部優(yōu)化模型。大量的實驗結果表明,本章的三種模型無論是在客觀的評價指標方面,即峰值信號噪聲比(Peak Signal to Noise Ratio,PSNR)和結構相似性(Structural Similarity,SSIM),還是在主觀的視覺效果方面,都明顯優(yōu)于近幾年的一些具有代表性的重建方法。
【關鍵詞】：圖像超分辨率重建 稀疏表示模型 非局部自相似性先驗 低秩約束 成分圖像
【學位授予單位】：重慶大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 中文摘要3-5
• 英文摘要5-11
• 1 緒論11-27
• 1.1 課題研究的背景及意義11-14
• 1.2 圖像超分辨率重建方法的研究現(xiàn)狀14-23
• 1.2.1 圖像超分辨率重建方法的數(shù)學模型14-16
• 1.2.2 圖像超分辨率重建方法概述16-23
• 1.3 圖像超分辨率重建方法的質(zhì)量評價指標23-24
• 1.4 論文的主要工作24-25
• 1.5 論文結構的安排25-26
• 1.6 本章小結26-27
• 2 基于雙稀疏正則化稀疏表示的圖像超分辨率重建方法27-53
• 2.1 引言27-28
• 2.2 相關知識介紹28-31
• 2.2.1 傳統(tǒng)稀疏表示模型的理論基礎28
• 2.2.2 PCA字典構造28-29
• 2.2.3 經(jīng)典的迭代收斂解法29-30
• 2.2.4 圖像固有的行和列先驗信息30-31
• 2.3 雙稀疏正則化稀疏表示模型31-35
• 2.3.1 聯(lián)合列與行先驗的稀疏表示模型31-34
• 2.3.2 字典選擇34-35
• 2.4 方法的求解35-36
• 2.5 基于雙稀疏正則化稀疏表示的單幅圖像超分辨率重建算法流程36-37
• 2.6 實驗結果與分析37-52
• 2.6.1 實驗環(huán)境及參數(shù)的設置38
• 2.6.2 無噪聲實驗38-42
• 2.6.3 噪聲實驗42-44
• 2.6.4 算法參數(shù)的研究44-49
• 2.6.5 行非局部自相似正則項的有效性49-51
• 2.6.6 算法時間復雜度與收斂性能51-52
• 2.7 本章小結52-53
• 3 基于低秩約束和非局部自相似性稀疏表示的圖像超分辨率重建方法53-73
• 3.1 引言53-54
• 3.2 相關知識介紹54-55
• 3.3 基于低秩約束和非局部自相似性的稀疏表示模型55-59
• 3.3.1 低秩約束和非局部自相似性55-57
• 3.3.2 字典選擇57
• 3.3.3 數(shù)值求解57-58
• 3.3.4 提出的稀疏表示模型的單幅圖像超分辨率重建算法流程58-59
• 3.4 實驗結果與分析59-72
• 3.4.1 實驗環(huán)境及參數(shù)的設置60-62
• 3.4.2 無噪聲實驗62-64
• 3.4.3 噪聲實驗64-66
• 3.4.4 算法參數(shù)的研究66-70
• 3.4.5 低秩約束正則項的有效性70-71
• 3.4.6 算法的收斂性能71-72
• 3.5 本章小結72-73
• 4 基于全局非零梯度懲罰和非局部Laplacian稀疏編碼的圖像超分辨率重建方法73-101
• 4.1 引言73-75
• 4.2 相關知識介紹75-80
• 4.2.1 傳統(tǒng)的聯(lián)合字典訓練的數(shù)學描述75-76
• 4.2.2 有效的稀疏編碼算法76-79
• 4.2.3 局部的可操作核回歸79-80
• 4.3 提出的重建方法80-90
• 4.3.1 全局梯度懲罰模型重建邊緣成分圖像80-82
• 4.3.2 非局部Laplacian稀疏表示模型重建紋理細節(jié)成分圖像82-89
• 4.3.3 全局和局部優(yōu)化模型提升重建的初始圖像89-90
• 4.3.4 重建方法的框架和算法流程90
• 4.4 算法時間復雜度90-92
• 4.5 實驗結果與分析92-99
• 4.5.1 實驗配置92-94
• 4.5.2 無噪聲實驗94-98
• 4.5.3 噪聲實驗98-99
• 4.6 本章小結99-101
• 5 全文總結與展望101-103
• 5.1 全文總結101-102
• 5.2 進一步研究工作的展望102-103
• 致謝103-105
• 參考文獻105-115
• 附錄115
• A. 作者在攻讀博士學位期間已發(fā)表或已投稿的論文目錄115
• B. 作者在攻讀博士學位期間取得的科研成果目錄115
• C. 作者在攻讀博士學位期間參加的科研項目目錄115

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 孫玉寶;韋志輝;肖亮;張崢嶸;呂戰(zhàn)強;;多形態(tài)稀疏性正則化的圖像超分辨率算法[J];電子學報;2010年12期

2 喬建蘋;劉琚;閆華;孫建德;;基于Log-WT的人臉圖像超分辨率重建[J];電子與信息學報;2008年06期

3 蘇衡;周杰;張志浩;;超分辨率圖像重建方法綜述[J];自動化學報;2013年08期

4 浦劍;張軍平;黃華;;超分辨率算法研究綜述[J];山東大學學報(工學版);2009年01期

5 焦斌亮;宋俊玲;;基于第二代小波的序列圖像超分辨率復原算法研究[J];宇航學報;2010年02期

，

本文編號：705880