论文部分内容阅读
图像超分辨率重建技术作为图像处理领域的研究热点,目前已经广泛应用于遥感卫星、监控安防和医学等多个领域,利用该技术提升图像或视频的分辨率,不仅能给人良好的视觉效果,而且有利于识别和分析图像中的目标。本文将基于稀疏表示的超分辨率重建算法进行研究,针对字典设计、图像块特征提取和主客观质量测评等问题展开探讨,主要研究内容和结论包括如下:1)基于图像超分辨率重建的观测模型分析了稀疏表示理论的数学原理和算法流程,主要包括超完备字典的设计、稀疏分解算法及其正则化优化等关键问题。此外,简要介绍了其它几种常见的图像超分辨率重建算法,例如基于插值、基于重建和基于机器学习等重建算法,并对各个算法的优缺点进行对比分析。2)针对基于稀疏表示的超分辨率重建算法的基础上进行改进,主要针对一般算法中重建的高频细节信息不足这一缺陷,将图像高频分量分成主要高频分量和残差高频分量两部分,利用图像的中高频信息训练第一重字典对,即主要高频字典对;同时将重建图像的中高频信息和原始图像的中高频信息作差,利用该差值信息完成第二重字典对的训练,即残差高频字典对,在图像重建阶段结合以上双重字典对完成高分辨率图像的重建。本文提出的算法相比一般算法在主观和客观的重建效果均有明显提升,能够重建出更多的的纹理和细节信息,比较接近原始图像。3)本文通过图像质量测评软件进行了大量测评实验,根据实验结果制定了一套相对完整可靠的质量测评方案,使用主观测评和客观测评相结合的方式,对测评内容和测评流程进行规范化,所选取的主观指标和客观指标能够反映算法在整体效果和局部细节的重建能力,提高了质量测评的可靠性和规范性。