【摘要】：由于硬件設(shè)備和環(huán)境等因素的限制,很多情況下,我們采集到的圖像分辨率并不理想。如果通過(guò)改進(jìn)硬件設(shè)備或改善圖像的采集環(huán)境來(lái)提高圖像的分辨率,代價(jià)可能比較高甚至是不現(xiàn)實(shí)的。所以通過(guò)用軟件的方法來(lái)對(duì)圖像的分辨率進(jìn)行提高就成為一種實(shí)際可行的方法。超分辨率重建技術(shù),就是利用數(shù)字圖像處理的技術(shù)對(duì)單幅低分辨率圖像,或者同一場(chǎng)景下的多幅低分辨率圖像,進(jìn)行高頻細(xì)節(jié)信息的重建。該技術(shù)在視頻監(jiān)控、醫(yī)學(xué)成像、衛(wèi)星遙感等方面有著廣闊的應(yīng)用前景。本文圍繞基于學(xué)習(xí)的單幅圖像的超分辨率重建技術(shù),對(duì)基于稀疏表示與字典學(xué)習(xí)的算法作了系統(tǒng)深入的研究,并提出了利用自相似性與字典鄰域進(jìn)行重建的算法。本文的主要內(nèi)容有：首先對(duì)當(dāng)前流行的超分辨率重建算法進(jìn)行了概述,由于傳統(tǒng)的基于插值和重建的方法的自身的局限性,很難有新的突破,因此我們重點(diǎn)對(duì)基于學(xué)習(xí)的超分辨率技術(shù)進(jìn)行了研究,并對(duì)各個(gè)算法進(jìn)行了比較,從而有助于后續(xù)算法的選擇。其次對(duì)當(dāng)前熱門(mén)的稀疏表示理論進(jìn)行了深入的探討,從樣本的選擇,字典的訓(xùn)練,以及參數(shù)的調(diào)整進(jìn)行了研究,其中對(duì)于稀疏參數(shù)的選擇,字典原子的建立做了重點(diǎn)研究。最后在前文研究的基礎(chǔ)上,提出了基于圖像自相似性與字典鄰域的超分辨率重建算法。該算法無(wú)需外部圖像作為訓(xùn)練集,而是利用輸入圖像本身自身尺度,以及不同尺度下圖像的自相似性構(gòu)建一個(gè)圖像金字塔,進(jìn)而獲得高低分辨率的圖像集合。利用這個(gè)集合訓(xùn)練字典,并對(duì)每一個(gè)字典基元構(gòu)造字典鄰域,對(duì)輸入圖像的每一個(gè)圖像塊選擇最相近的字典鄰域,從而重建超分辨率圖像。這樣可以很好的解決圖像的自適應(yīng)問(wèn)題。實(shí)驗(yàn)結(jié)果表明,無(wú)論在客觀(guān)數(shù)據(jù)PSNR還是在人眼主觀(guān)視覺(jué)方面,該算法的重建效果較以往算法均有所提高,同時(shí)對(duì)空間的要求也有所降低。
[Abstract]:Because of the limitation of hardware and environment, in many cases, the resolution of the image collected by us is not satisfactory. If we improve the resolution of the image by improving the hardware equipment or the environment of image acquisition, the cost may be high or even unrealistic. So it is a practical method to improve the resolution of image by software. Super-resolution reconstruction technology is to use the digital image processing technology to reconstruct high-frequency detail information from a single low-resolution image or multiple low-resolution images in the same scene. This technology has a broad application prospect in video surveillance, medical imaging, satellite remote sensing and so on. This paper focuses on the super-resolution reconstruction technology of a single image based on learning. The algorithms based on sparse representation and dictionary learning are systematically and deeply studied, and an algorithm based on self-similarity and dictionary neighborhood reconstruction is proposed. The main contents of this paper are as follows: firstly, the popular super-resolution reconstruction algorithms are summarized. Due to the limitations of the traditional methods based on interpolation and reconstruction, it is difficult to make a new breakthrough. Therefore, we focus on the study of Learn-based super-resolution technology, and compare the various algorithms, which is helpful to the selection of subsequent algorithms. Secondly, the popular sparse representation theory is deeply discussed, including the selection of samples, the training of dictionaries, and the adjustment of parameters, among which the selection of sparse parameters and the establishment of dictionary atoms are studied emphatically. Finally, a super-resolution reconstruction algorithm based on image self-similarity and dictionary neighborhood is proposed. Instead of using external images as training sets, the algorithm constructs an image pyramid by using the input image itself and the self-similarity of the image at different scales to obtain the image set with high or low resolution. The dictionary is trained by this set, and the dictionary neighborhood is constructed for each dictionary primitive, and the nearest dictionary neighborhood is selected for each image block of the input image to reconstruct the super-resolution image. This can solve the problem of image adaptation. The experimental results show that both the objective data PSNR and the subjective vision of human eyes, the reconstruction effect of the algorithm is improved compared with the previous algorithms, and the requirements for space are also reduced.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蘇秉華,金偉其,牛麗紅,劉廣榮;超分辨率圖像復(fù)原及其進(jìn)展[J];光學(xué)技術(shù);2001年01期

2 譚兵,徐青,耿則勛,邢帥;超分辨率圖象重建技術(shù)發(fā)展現(xiàn)狀[J];信息工程大學(xué)學(xué)報(bào);2003年04期

3 鐘山,沈振康;圖像靜態(tài)超分辨率重建[J];紅外與毫米波學(xué)報(bào);2004年02期

4 王勇,鄭輝,胡德文;視頻的超分辨率增強(qiáng)技術(shù)綜述[J];計(jì)算機(jī)應(yīng)用研究;2005年01期

5 焦斌亮;趙文蕾;;淺析互有位移圖像序列的超分辨率復(fù)原[J];遙測(cè)遙控;2006年01期

6 袁建華;殷學(xué)民;鄒謀炎;;一種有效的超分辨率重建計(jì)算方法[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2006年04期

7 張地;何家忠;彭宏;;低分辨率人臉序列的超分辨率重構(gòu)識(shí)別[J];韶關(guān)學(xué)院學(xué)報(bào);2007年06期

8 梁立恒;邢立新;姜紅艷;王明常;;高保真影像超分辨率重建應(yīng)用研究[J];吉林大學(xué)學(xué)報(bào)(地球科學(xué)版);2007年S1期

9 鄭麗賢;何小海;吳煒;楊曉敏;陳默;;基于學(xué)習(xí)的超分辨率技術(shù)[J];計(jì)算機(jī)工程;2008年05期

10 浦劍;張軍平;黃華;;超分辨率算法研究綜述[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2009年01期

相關(guān)會(huì)議論文 前10條

1 潘明海;劉永坦;趙淑清;徐佳祥;干恒富;;一種多運(yùn)動(dòng)目標(biāo)的超分辨率檢測(cè)算法[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

2 李兵兵;陸耀;王曉明;李勁嫻;;基于金字塔回歸策略的人臉超分辨率[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

3 戴光智;陳鐵群;薛家祥;;基于微掃描技術(shù)焊縫超聲圖像的超分辨率重建[A];第十七屆全國(guó)測(cè)控計(jì)量?jī)x器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊(cè)）[C];2007年

4 鄭杰;韓梅;;基于微位移的超分辨率重建技術(shù)[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

5 張光昭;胡敬爐;謝澤明;;超分辨率亞毫米波付里葉變換譜[A];第四屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];1986年

6 繆泓;徐海明;;微平移序列圖像的超分辨率重建技術(shù)[A];中國(guó)力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)'2009論文摘要集[C];2009年

7 徐啟飛;顏剛;陳武凡;;關(guān)于序列圖像的超分辨率重建算法[A];中國(guó)生物醫(yī)學(xué)工程進(jìn)展——2007中國(guó)生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2007年

8 徐忠強(qiáng);朱秀昌;;基于正則算法的壓縮視頻超分辨率重建[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

9 池小梅;馬建偉;黃景濤;;基于壓縮傳感的超分辨率紅外成像研究[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六省（區(qū)）2010年第28屆年會(huì)·論文集[C];2010年

10 黃華;何惠婷;;一種基于CCA空間超分辨率的人臉識(shí)別方法[A];第18屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2009）、第5屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2009）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2009）論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 傅罡;多源遙感數(shù)據(jù)的道路提取方法研究[D];清華大學(xué);2014年

2 巴拉卡，雅各布Maiseli（Baraka Jacob Maiseli）;基于正則化的非線(xiàn)性擴(kuò)散模型的超分辨率方法[D];哈爾濱工業(yè)大學(xué);2015年

3 王曉峰;基于樣本學(xué)習(xí)的人臉超分辨率重建技術(shù)研究[D];華中科技大學(xué);2015年

4 岳煥景;面向云媒體的圖像處理研究[D];天津大學(xué);2015年

5 楊琛;提高集成成像與集成全息系統(tǒng)成像質(zhì)量方法的研究[D];西安電子科技大學(xué);2015年

6 何蕾;基于稀疏表達(dá)的連分式插值核的圖像/視頻超分辨率重建方法研究[D];合肥工業(yè)大學(xué);2015年

7 樊程廣;超聲相控陣超分辨率成像方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

8 袁建華;超分辨率重建中若干問(wèn)題的研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2006年

9 范沖;三線(xiàn)陣影像超分辨率重建[D];中南大學(xué);2007年

10 張小紅;視頻去運(yùn)動(dòng)模糊及超分辨率研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李智盛;壓縮傳感在超分辨率中的應(yīng)用[D];清華大學(xué);2011年

2 劉妮妮;基于(2D)~2PCA的低分辨率人臉識(shí)別[D];大連海事大學(xué);2016年

3 唐欣;基于機(jī)器學(xué)習(xí)的多維數(shù)據(jù)壓縮算法研究[D];上海交通大學(xué);2015年

4 尚秀偉;多幅圖像的快速超分辨率重建方法研究[D];北方工業(yè)大學(xué);2016年

5 劉艷玲;陣列圖像的超分辨率重建[D];北方工業(yè)大學(xué);2016年

6 萬(wàn)丹鳳;基于位置塊的人臉超分辨率算法研究[D];北京理工大學(xué);2016年

7 呂澤江;基于POCS算法的人臉檢測(cè)研究[D];吉林大學(xué);2016年

8 朱虹;基于壓縮感知的超分辨率圖像重建算法研究[D];西北師范大學(xué);2015年

9 郭萌;基于改進(jìn)POCS的紅外弱小目標(biāo)超分辨率復(fù)原算法研究[D];吉林大學(xué);2016年

10 郭良;基于自相似性的單幅圖像超分辨率重建算法研究[D];山東大學(xué);2016年

，

本文編號(hào)：2235208