基于稀疏表示和引导滤波的图像超分辨率重建

《基于稀疏表示和引导滤波的图像超分辨率重建》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号３９１学校代码：：ＴＰ密级：公开学号：２０１５２０９２２ＮｏｒｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙ硕士字位论文ＭＡ’ＳＴＥＲＳＤＩＳＳＥＲＴＡＴＩＯＮ泉千稀疏表示和引导滤波的图像超分辨率重建学科名称：电路与系统作者：史剑雄指导老师：张万绪西北大学学位评定委员会二〇一八年六月ImageSuper-resolutionReconstructionBasedonSparseRepresentationandGuidedImageFilteringAthesissubmittedtoNorthwestUniversityinpartialfu

2、lfillmentoftherequirementsforthedegreeofMasterinCircuitsandSystemsByShiJianxiongSupervisor:ZhangWanxuJune2018摘要摘要人们通过图像认识和记录客观世界，在各种图像视频记录设备不断发展的同时，在不改变图像采集设备的条件下，如何通过软件技术来使分辨率较低的图像或视频变得更加清晰，已经成为了图像处理领域的研究热点。图像超分辨率重建技术已广泛应用于遥感成像，医学影像，以及视频监控等领域。本文研究了基于稀疏表示的图像超分辨率重建方法，其重建图像的高频细节不足且图像边缘处存在伪影现象，针对此不足本

3、文从两方面作出改进。首先，本文提出了一种基于残差字典的图像超分辨率重建方法，对训练集中的低分辨率图像进行基于稀疏表示的重建，得到对应的高分辨率图像，其与训练集中原始高分辨率图像作差值即得到缺失的残差信息，利用高、低分辨率残差图像的特征训练残差字典，恢复图像在获取过程中丢失的高频信息。其次，本文提出了一种基于稀疏表示和引导滤波的图像超分辨率重建方法，对待重建的输入图像进行抠图处理，将其分解为边缘层、前景色和背景色，对边缘层结合稀疏表示的方法进行重建，对前景色和背景色进行双三次插值，通过图像合成得到重建的高分辨率图像。经过实验验证，本文方法重建的图像在客观评价指标上要好于传统的基于稀疏表示的图

4、像重建方法。从视觉效果上看，用本文方法重建的图像高频边缘细节较丰富，颜色信息也更接近于原始高分辨率图像。关键词：稀疏表示，引导滤波，联合字典训练，超分辨率重建，残差字典IABSTRACTABSTRACTPeopleunderstandandrecordtheobjectiveworldthroughimages.Withthecontinuousdevelopmentofvariousadvancedvideorecordingequipment,howtomakethelowresolutionimagesorvideosclearerthroughsoftwaretechnologyw

5、ithoutchangingtheimageacquisitionequipmenthasbecomearesearchhotspot.Thetechnologyoftheimagesuper-resolutionreconstructionhasbeenusedinsensingimaging,medicalimaging,videosurveillanceandotherfields.Inthispaper,theimagesuper-resolutionreconstructionmethodbasedonsparserepresentationisstudied,thehigh-f

6、requencydetailofthereconstructedimageisinsufficientandthereisanartifactattheedgeoftheimage.Inviewofthisdeficiency,thispapermakesimprovementsfromtwoaspects:First,animagesuper-resolutionreconstructionmethodbasedonresidualdictionaryisproposedinthispaper.Thelow-resolutionimagesintrainingsetarereconstr

7、uctedbasedonsparserepresentation,andcorrespondinghigh-resolutionimagesareobtained,whosedifferencewiththeoriginalhighresolutionimageinthetrainingsetisnamedtheresidualimages.Bytrainingtheresidualdictionaryusingther