基于稀疏表示的紅外圖像超分辨率重建.pdf

1、紅外成像是一種利用紅外成像設(shè)備將物體自身的紅外輻射轉(zhuǎn)化為圖像的技術(shù)。因此，紅外成像設(shè)備可在夜間和惡劣環(huán)境下工作，在諸多領(lǐng)域取得了廣泛應(yīng)用。然而受到紅外成像系統(tǒng)分辨率的限制，紅外圖像通常分辨率較低?？紤]到硬件實(shí)現(xiàn)和成本方面的制約，可采用超分辨率重建算法提高紅外圖像的分辨率。本文針對現(xiàn)有超分辨率重建算法的不足，提出兩種基于稀疏表示的紅外圖像超分辨率重建算法。具體工作如下：
　?。?）針對傳統(tǒng)基于稀疏表示的圖像超分辨率重建算法效率低問題

2、，提出了基于稀疏表示的快速紅外圖像超分辨率重建算法。首先，綜合考慮紅外圖像特征及算法效率，采用LOG算子提取低分辨率紅外圖像的特征；其次，使用K-SVD算法更新字典原子，并引進(jìn)gOM P算法進(jìn)行稀疏分解；最后，對重建后的高分辨率紅外圖像采用IBP算法進(jìn)一步優(yōu)化。實(shí)驗(yàn)結(jié)果表明，該算法重建圖像質(zhì)量與傳統(tǒng)算法相近，但是算法效率較傳統(tǒng)算法提高了11倍。
　?。?）針對傳統(tǒng)基于稀疏表示的圖像超分辨率重建算法效率低以及（1）中算法重建圖像質(zhì)量

3、欠佳問題，提出了基于互相關(guān)聚類的紅外圖像超分辨率重建算法。首先，結(jié)合字典訓(xùn)練效率和字典有效性，提出了基于相關(guān)系數(shù)的自適應(yīng)聚類算法，將字典訓(xùn)練樣本集自適應(yīng)分成15類；其次，分別針對各子類訓(xùn)練樣本集，采用拉格朗日對偶法更新字典原子及FsS算法進(jìn)行稀疏分解；最后，在重建時(shí)，根據(jù)低分辨率輸入樣本與各子類低分辨率聚類中心之間的相關(guān)系數(shù)最大為原則，自適應(yīng)選擇子字典進(jìn)行重建。實(shí)驗(yàn)結(jié)果表明，該算法在保證重建圖像質(zhì)量優(yōu)越性的同時(shí)，算法效率較傳統(tǒng)算法提髙了