稀疏表示下圖像超分辨分析算法研究.pdf

1、圖像稀疏表示理論是近兩年信號處理領域中最新的研究方向。隨著其數學基礎的不斷完善及其在壓縮感知領域中的應用，稀疏表示理論在實際應用的前景也逐漸體現，并已成為圖像處理應用中一個重要研究方向。目前，圖像稀疏表示理論已經在圖像處理中的降噪，修復，分類，檢索，超分辨分析及其高速傳輸與存儲等領域取得成功應用，尤其在圖像超分辨分析中，稀疏理論具有獨特優(yōu)勢。稀疏表示下圖像超分辨算法由于能夠充分利用圖像的先驗知識，實現較好的圖像重構效果，其應用前景廣闊，

2、在醫(yī)學圖像、遙感圖像等領域，該方法都具有重要的理論和實際價值。本文研究目在于通過對稀疏表示下圖像重構基礎理論和算法框架的研究，建立完整的稀疏表示下超分辨圖像重構系統架構的參數分析系統；利用提出的聯合字典訓練算法，并將其用于醫(yī)學圖像和遙感圖像的超分辨重構中，以解決實際的圖像超分辨分析問題。全文的創(chuàng)新性研究工作主要有：
　　1.針對稀疏表示下圖像超分辨算法模型參數優(yōu)化選擇問題，提出了稀疏表示下圖像超分辨分析算法參數優(yōu)化總體架構。利用給

3、出的性能效果評價標準，進行綜合仿真實驗，分析稀疏重構中各參數對重構性能的不同影響。
　　2.針對稀疏表示下圖像超分辨分析中的字典構成問題，提出了新的圖像超分辨重構的冗余聯合字典訓練方法。在分析單字典訓練算法和現存聯合字典訓練算法中的缺點和不足中基礎上，提出同時構造聯合低、高分辨率字典的方法，建立低分辨率、高分辨率圖像塊的新的對應關系。高分辨率圖像塊通過降采樣原理得到對應的低分辨率圖像塊，然后通過稀疏系數的映射關系實現由低分辨率字典

4、到高分辨率字典的一對一的映射，從而實現圖像的低高分辨率的重構。仿真實驗表明，利用該訓練的聯合字典可有效實現圖像超分辨重構，且重構圖像效果優(yōu)于傳統的圖像超分辨分析算法。
　　3.針對稀疏表示下圖像超分辨分析算法的實際應用問題，結合實際的醫(yī)學圖像和衛(wèi)星遙感圖像的特點及實際應用需求，進行稀疏表示下醫(yī)學圖像和遙感圖像的超分辨分析應用研究。利用磁共振圖像和衛(wèi)星遙感圖像庫進行圖像超分辨仿真實驗。實驗結果表明，本文提出的超分辨分析參數優(yōu)化方法并