基于字典學習的超分辨率圖像重構.pdf

1、超分辨率圖像重構可以看作是一個從單幅或多幅低分辨率圖像中重構出一幅高分辨率圖像的逆問題，近年來被廣泛的應用到了視頻監(jiān)控、衛(wèi)星圖像、視頻標準轉換、醫(yī)療數字影像等各個方面。基于模型和基于學習的方法是最近幾年重構超分辨率圖像的兩種重要方法。基于模型的方法試圖構建低分辨圖像到高分辨圖像的映射，其重構效率較高，但由于圖像類型多種多樣，很難統(tǒng)一到一個模型下進行描述，在高放大因子下重構圖像的質量下降較快?；趯W習的方法構造一組低分辨樣例圖像和對應的高

2、分辨樣例圖像，先將待重構圖像在低分辨樣例圖像下進行編碼，再用編碼系數來恢復高分辨圖像，可以克服基于模型的方法對圖像關系描述不準確的缺陷，具有重構準確、對噪聲和圖像類型魯棒性強的等優(yōu)點。在基于學習的框架下，本文引入字典學習的方法實現編碼，研究了基于字典學習的超分辨率圖像重構方法，所做主要工作如下：
　　 (1)利用KSVD算法學習圖像關系。該算法利用K-SVD算法從大量的低分辨率和高分辨率訓練樣例圖像塊中分別訓練兩個小規(guī)模的稀疏字

3、典，利用字典間的對應關系和低分辨圖像塊編碼來恢復高分辨圖像塊，不僅能獲得更加準確的編碼，而且顯著降低了編碼的復雜度。
　　 (2)基于多任務字典學習的超分辨率圖像重構方法?？紤]待重構圖像的差異，將訓練樣例圖像塊自組織聚類來訓練獲得多個字典，用多個字典下的重構來構建多個任務，不同任務的重構同時進行并共享信息，利用智能的傳遞特性將多個任務的結果傳遞到一個新任務上。多任務算法考慮了訓練樣例圖像塊的差異，因此可以進一步提高單任務的重構質

4、量，而且對含噪圖像具有魯棒性。
　　 (3)基于多任務字典學習和局部約束的超分辨率圖像重構方法。假設每個重構圖像塊在局部鄰域內滿足局部結構的相似性，在多任務字典學習的代價函數中加入局部約束的懲罰項，對重構高分辨圖像塊進行局部范圍內的約束優(yōu)化，使重構圖像更好的保持結構信息，提高了重構圖像的質量。
　　 (4)基于多任務字典學習和殘差補償的超分辨率圖像重構方法。對多任務字典學習重構的圖像再進行殘差補償，進一步增強重構高分辨圖