基于視覺注意和質(zhì)量可變的圖像超分辨率重建研究.pdf

1、圖像超分辨率重建是指由輸入的一幅或多幅低分辨率圖像重構得到一幅高分辨率圖像的方法,相對于通過硬件獲取高分辨率圖像,更為廉價,并且充分利用已獲取的資源,近年來被廣泛應用在視頻監(jiān)控、醫(yī)學成像、高清視頻等各個領域。因此,利用現(xiàn)有設備,通過超分辨率技術獲取高分辨率圖像具有重要的現(xiàn)實意義?；趯W習和稀疏表示超分辨率重建由于具有構造準確、對圖像類型魯棒性強與參數(shù)易于選擇等優(yōu)點,已成為超分辨率圖像重建研究的重要方法之一。
　　 本文圍繞基于視

2、覺注意和質(zhì)量可變的超分辨率重建算法,首先研究了圖像超分辨率重建技術,為了提高超分辨率重建質(zhì)量提出了基于圖像補丁結構的超分辨率重建算法和基于殘差的圖像超分辨率重建算法,并針對重建算法復雜度過高的問題提出了一種快速算法。然后研究了一種適用于實際超分辨率重建的無參考圖像質(zhì)量評價方法,將其應用于超分辨率重建實現(xiàn)質(zhì)量可變的超分辨率重建算法,并有效結合視覺注意機制,提出了基于視覺注意和質(zhì)量可變圖像超分辨率重建算法。具體而言,本文主要研究內(nèi)容包括以下

3、幾個方面:
　　 1.針對超分辨率重建過程中涉及到的圖像稀疏表示、過完備詞典訓練、稀疏分解算法做了一定的介紹。確定了采用K-SVD算法學習用于超分辨率重建的高、低分辨率詞典,獲取圖像的稀疏系數(shù)向量。
　　 2.介紹了基于學習和稀疏表示的超分辨率重建模型。并針對Yang提出的基于學習和稀疏表示的超分辨率重建算法所存在的不足點——忽略圖像補丁的結構特性,提出了一種基于圖像補丁結構的超分辨率重建算法。該方法首先統(tǒng)計、分析圖像補

4、丁的結構特性,并針對不同結構特性的圖像補丁采用不同的超分辨率重建算法,實驗結果表明相比于Yang方法,本文提出的算法不僅縮短了算法的運算時間,并在一定程度上提高了重建結果的質(zhì)量。
　　 3.針對Yang方法的不足點——高分辨率圖像補丁的均值在訓練和測試階段的不等同性,提出了基于殘差的圖像超分辨率重建算法。該方法利用K-均值算法對學習樣本進行聚類,提出多詞典思想,并為保持“臨界樣本”的良好重構性,采用了多詞典重建結果加權的方法,在

5、很大程度上提高了超分辨率重建結果的質(zhì)量。
　　 4.針對目前超分辨率算法復雜度過高,需要較長時間重建的缺點,提出了一種快速超分辨率重建算法。首先構造了一個額外的“指導詞典”,降低超分辨率重建算法的復雜度,實現(xiàn)加速;并采用Matlab并行計算工具箱對算法進行了加速。實驗表明,該算法在不明顯影響重建質(zhì)量的前提下大大縮短了重建時間。
　　 5.為提高超分辨率重建的實用性,提出了一種基于視覺注意和質(zhì)量可變的圖像超分辨率重建算法。