基于支持向量機分類學(xué)習(xí)的彩色圖像超分辨重構(gòu)算法研究.pdf

1、在成像過程中，由于圖像采集環(huán)境及采集設(shè)備的影響，成像系統(tǒng)往往得不到高分辨率的圖像，超分辨重構(gòu)方法（SR）可以在不改變采集環(huán)境和采集設(shè)備的前提下，對單幀或者多幀低分辨率圖像用數(shù)字圖像處理的方法，重構(gòu)出超過成像系統(tǒng)成像范圍的高分辨圖像。重構(gòu)圖像不僅在視覺效果上有明顯提升，在峰值信噪比（PSNR）和相似度（SSIM）上也有相應(yīng)提升。目前，隨著機器學(xué)習(xí)和模式識別的不斷發(fā)展，支持向量機作為一種較好的學(xué)習(xí)方法，在圖像超分辨重構(gòu)方面的應(yīng)用，得到了很多

2、關(guān)注。
　　本文主要研究圖像超分辨重構(gòu)技術(shù)，課題來源于天津市應(yīng)用基礎(chǔ)與前沿技術(shù)研究計劃青年基金資助項目：基于支持向量回歸機的超分辨率圖像重構(gòu)（No.14JCQNJC00900），本文將單幀彩色低分辨率圖像作為研究對象，具體工作如下：
　　1．根據(jù)現(xiàn)實中彩色低分辨率圖像的特點，選擇相應(yīng)的降質(zhì)模型，獲取彩色低分辨圖像。
　　2．提出一種基于HSV（色度特征）模型的圖像超分辨率重構(gòu)算法。用SVM（支持向量機）作為學(xué)習(xí)訓(xùn)練工具

3、，針對物體與場景顏色差距小的低分辨彩色圖像特征，進(jìn)行針對性訓(xùn)練，保證匹配搜索過程中樣本塊與低分辨率圖像塊內(nèi)容之間的相關(guān)性，減少遍歷次數(shù)，降低算法復(fù)雜度。最后經(jīng)過重建過程，得到高分辨率圖像。通過實驗對所提出的 HSV空間學(xué)習(xí)重構(gòu)的方法進(jìn)行驗證，并與兩種基本低分辨圖像重構(gòu)方法的處理效果進(jìn)行對比，實驗結(jié)果表明，本文提出的方法比兩種基本方法在峰值信噪比和相似度兩指標(biāo)分別提高了3％~5%和2%~4%，是一種能夠重構(gòu)低分辨率圖像的有效方法。