基于NSCT與鄰域嵌入的超分辨率重建.pdf

1、圖像的分辨率是衡量圖像質(zhì)量的一個(gè)重要指標(biāo)，圖像的分辨率高低往往在許多應(yīng)用中起著決定性的作用。但是在實(shí)際采集圖像時(shí)，由于成像精度、存儲(chǔ)和傳輸成本和拍攝條件等的限制，實(shí)際獲得的圖像往往分辨率不夠高，無(wú)法滿足某些應(yīng)用的要求。因此如何從低分辨率的圖像恢復(fù)或重建高分辨率圖像便成了眾多研究者關(guān)注的問題。圖像超分辨率是在圖像處理鄰域一項(xiàng)很重要的技術(shù)，就是實(shí)現(xiàn)由低分辨率圖像重建高分辨率圖像，在模式識(shí)別、醫(yī)學(xué)圖像處理、遙感圖像處理、視頻處理與分析等領(lǐng)域中

2、有廣泛應(yīng)用。
　　本文提出了一種基于非下采樣Contourlet變換（NSCT）和鄰域嵌入的單幅圖像超分辨率算法。其基本思想是先利用NSCT對(duì)低分辨率圖像作分解，并利用變換系數(shù)構(gòu)建低分辨率圖像塊的特征向量，然后通過樣本學(xué)習(xí)得到高分辨率圖像塊空間與低分辨率特征空間之間的距離對(duì)應(yīng)關(guān)系，并通過這種對(duì)應(yīng)關(guān)系來(lái)尋找低分辨率圖像塊在高分辨率圖像塊空間中的近鄰，利用這些近鄰來(lái)重構(gòu)所低分辨圖像塊所對(duì)應(yīng)的高分辨率圖像塊。
　　本文的貢獻(xiàn)有如下

3、三點(diǎn)。
　　1．在構(gòu)建低分辨率圖像塊的特征向量時(shí)，我們不是直接將低分辨率圖像塊作為特征向量，而是先對(duì)低分辨率圖像作NSCT變換，再利用各個(gè)子帶的變換系數(shù)組合成一個(gè)特征向量，使得特征向量能夠更好地反映圖像的邊緣和文理信息。
　　2．在特征空間中沒有采用傳統(tǒng)的歐氏距離作為特征向量之間的距離，而是采用?p?距離來(lái)度量特征向量之間的距離，并對(duì)距離參數(shù)p進(jìn)行了優(yōu)化，使得特征空間中的距離與高分辨率圖像塊空間中的距離盡可能一致，從而能夠更

4、準(zhǔn)確地找出低分辨率圖像塊在高分辨圖像空間中的近鄰。
　　3．在利用鄰域嵌入算法重構(gòu)出高分辨率圖像之后，利用脈沖耦合神經(jīng)網(wǎng)絡(luò)將其與原始低分辨率圖像進(jìn)行融合，得到最終的高分辨率圖像，這樣能夠?qū)D像的低頻成分作出補(bǔ)償，從而提高重建精度。
　　做了一系列對(duì)比試驗(yàn)，將本文提出的算法與幾種經(jīng)典的圖像超分辨率算法進(jìn)行了對(duì)比，計(jì)算了平均峰值信噪比(PSNR)和結(jié)構(gòu)相似性系數(shù)(SSIM),結(jié)果表明本文提出的算法能夠更好地重建圖像的邊緣和紋理等