一種自適應學習的圖像超分辨率重建算法研究.pdf

1、超分辨率重建(Super-resolution Reconstruction，SR)是在現(xiàn)有成像系統(tǒng)的基礎(chǔ)上，通過數(shù)字信號處理技術(shù)，由單幅或一系列低分辨率圖像構(gòu)造出高像素密度且細節(jié)信息更為豐富的高分辨率圖像的技術(shù)。作為一種無需改善硬件設備，卻可以顯著提高圖像質(zhì)量的方法，SR技術(shù)在很多領(lǐng)域有著廣泛的應用前景，已成為目前圖像處理領(lǐng)域的研究熱點之一。
　　 近年來發(fā)展的稀疏表示技術(shù)在圖像恢復領(lǐng)域獲得了成功應用，其圖像恢復的質(zhì)量很大程度

2、上取決于所選稀疏變換基能否對圖像進行有效的稀疏表示。本文提出了一種基于自適應學習的超分辨率重建算法。首先，根據(jù)要重建的圖像塊不同的結(jié)構(gòu)特征，從預先學習得到的稀疏變換基的集合中自適應地選擇其局部稀疏變換基；然后，建立其有效的稀疏表示重建模型；另外，引入了針對圖像局部結(jié)構(gòu)特征的分段自回歸模型(PAR)，和針對圖像非局部結(jié)構(gòu)特征的非局部自相似模型(NLSS)作為上述稀疏重建模型的兩個正則化約束，起到增強圖像邊緣和抑制噪聲的目的，進一步提高了重