论文部分内容阅读
高分辨率图像在医学诊断、卫星监测、安全监控等在实际应用中有着重大的意义。然而通过改进成像系统硬件来提高图像分辨率的办法代价高昂，而且需要解决一些成像过程中的技术难题。图像超分辨率主要是通过各种计算机算法，利用观测到的低分辨率图像重构高分辨率图像。它解决了提升硬件获得高分辨率图像带来的工艺困难、成本高等问题，以其高质量的重建结果和低廉的成本，引起图像处理领域的广泛关注。本文针对自然图像超分辨重建技术进行了研究，通过对基于稀疏表示的超分辨率重建算法的深入分析，提出基于改进稀疏编码的双层超分辨率重建算法，并进行相关实验对比论证。最后为了进一步提高重建图像质量，本文针对基于稀疏表示重建算法中的后处理模型进行改进，提出一种全局和局部约束结合的后处理模型。本文主要研究内容如下：(1)对超分辨率技术产生的背景、基本概念、意义以及其应用前景进行介绍，深入分析图像的退化过程，并用数学方法对这一过程进行分析描述，建立图像退化的数学模型。然后分析图像超分辨率技术的国内外发展现状，对三类超分辨率重建算法中比较经典和代表性的算法进行简单介绍、总结，介绍了课题研究的难点，为之后的研究打下基础。最后对超分辨率重建图像的评价指标进行介绍和分析。(2)对信号与图像稀疏表示的原理做了详细阐述，介绍压缩感知理论中三种稀疏表示方法，并对其中基于过完备字典稀疏表示方法进行详细介绍。然后详细介绍了基于这种稀疏表示模型的重建算法原理，包括稀疏表示重建的约束条件，稀疏表示重建算法以及字典训练算法。(3)对基于稀疏表示的超分辨率重建算法进行了深入研究，在此基础上提出了基于改进稀疏编码的双层超分辨率重建算法。在所提算法中，首先针对传统的稀疏编码方法易导致重建图像中出现不正确几何结构的现象，提出同时考虑字典非相关性和稀疏系数自相似性的稀疏编码方法。然后，为了缓解在稀疏编码方法中引入非局部自相似性造成图像高频信息的丢失，如在边缘等梯度变化较大的地方出现过度平滑、模糊现象，提出一种分别针对图像的平滑层和纹理层进行重建的双层重建框架，利用改进的稀疏编码方法重建纹理层，利用提出的全局梯度数约束模型重建平滑层，之后将重建后的两层图像融合成初始高分辨率图像。通过实验验证了本文提出的这种算法是有效的。(4)对重建图像后可能出现的边缘模糊、瑕疵等现象的原因进行分析，针对性提出全局和局部约束结合的后处理模型。在保证全局重建约束的同时，利用可操作核对局部结构具有很好的自适应性并且对噪声具有很好的鲁棒性来对重建图像进行去模糊、去噪并消除一些瑕疵，增强算法的鲁棒性。实验证明了这种后处理模型的有效提高了图像质量。