Tetrolet稀疏正則化與樣本學(xué)習(xí)的圖像超分辨率算法研究.pdf

1、利用信號(hào)處理技術(shù)來進(jìn)行圖像超分辨率重建成為目前圖像處理領(lǐng)域的研究熱點(diǎn)。本文系統(tǒng)綜述了目前圖像超分辨率技術(shù)的研究現(xiàn)狀以及應(yīng)用前景,并對(duì)常用的基于樣本學(xué)習(xí)的學(xué)習(xí)模型進(jìn)行簡(jiǎn)要概括,在介紹Tetrolet基本變換過程的基礎(chǔ)上,著重從理論和實(shí)驗(yàn)上分析了Tetrolet變換系數(shù)的條件概率分布、聯(lián)合概率分布和隱馬爾科夫樹的統(tǒng)計(jì)模型。進(jìn)而結(jié)合相關(guān)理論知識(shí)以及大量的實(shí)驗(yàn)分析,探索了Tetrolet變換在圖像去噪,基于Tetrolet稀疏正則化和樣本學(xué)習(xí)的

2、超分辨率重建算法中的應(yīng)用。
　　 本文的主要工作如下:
　　 第一、介紹了Tetrolet理論與構(gòu)造方法的基礎(chǔ)上,建立了Tetrolet系數(shù)的廣義高斯分布的擬合模型,邊緣概率分布和聯(lián)合概率分布模型。數(shù)值試驗(yàn)結(jié)果表明Tetrolet變換具有較好的稀疏性。
　　 第二、依據(jù)Tetrolet變換的稀疏表示特性,以及信號(hào)和噪聲在Tetrolet變換域的不同分布特性,進(jìn)行閾值收縮圖像去噪,然后結(jié)合各向異性全變差(ATV)的

3、特性,設(shè)計(jì)了一個(gè)聯(lián)合Tetrolet變換和ATV的圖像去噪算法。實(shí)驗(yàn)結(jié)果表明該算法能有效地抑制閾值收縮過程產(chǎn)生的pseudo-Gibbs現(xiàn)象。
　　 第三、重點(diǎn)研究了基于全變差(TV)正則化的圖像超分辨率重建模型,然后根據(jù)Tetrolet變換的稀疏表示特性,給出了聯(lián)合Tetrolet稀疏性和全變差的復(fù)合正則化圖像超分辨率重建模型,設(shè)計(jì)了針對(duì)該復(fù)合正則化重建模型最優(yōu)化問題求解的前向后向分裂算法。實(shí)驗(yàn)結(jié)果表明該復(fù)合正則化模型能夠有效