图像超分辨率论文：基于改进的稀疏表示的图像超分辨率方法

《图像超分辨率论文：基于改进的稀疏表示的图像超分辨率方法》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、图像超分辨率论文：基于改进的稀疏表示的图像超分辨率方法【中文摘要】图像超分辨率的目标是将低分辨率图像转化为高分辨率图像。通过放大目标图像的感兴趣区域，从而更加容易地辨别出感兴趣的目标物体或人物。该技术被广泛应用于视频监控、卫星图像分析、医学诊断、高清电视等领域。目前，基于稀疏表示的方法是该领域中较先进的方法，但其在图像效果和处理速度上仍存在不足之处。本文在基于稀疏表示的图像超分辨率方法的基础上，围绕着如何提高重构的图像效果和处理速度展开研究。首先，从理论上分析了影响Feature-sign算法效率的因素，实验结果证明可以通过降低字典维度和提供稀疏系数

2、初始值两种方式来提高Feature-sign算法效率。然后，本文提出了基于特征聚类的图像超分辨率方法。针对单一特征不能有效地重构边缘轮廓的不足，提出有监督性的特征提取方法。该方法使用由Canny算法提取得到的二值边缘图作为标记，分别从一阶和二阶梯度图像中提取边缘特征和纹理特征。通过分别使用边缘和纹理特征，初步改善了图像效果和提高了处理速度。针对处理速度慢的不足，提出基于特征聚类的方法。该方法能够得到结构性更强、维度更低的子字典。因此，可以为输入的低分辨率图像块选择最相关的子字典进行重构，继而提高处理速度和改善图像效果。最后，本文提出了有重叠聚类的方法

3、以平衡子字典间的独立性和兼容性，解决了因聚类而造成重构信息分散的问题。实验表明，本文提出的方法不仅改善了重构图像的效果，还地提高了处理的速度。【英文摘要】TheobjectiveofImageSuper-Resolution(SR)istoproduceahigh-resolutionimagefromthelow-resolutionimagewhichcapturedfromthesamescene.Thistechniquemakesiteasiertodistinguishtheinterestedtargetobjectsorpersons

4、viazoomouttheinterestedregionoftargetimage.Thistechniqueiswidelyusedinmanyvisualapplications,suchassurveillance,satelliteimageanalysis,medicaldiagnostics,andhigh-definitionTVetc.AlthoughsparserepresentationbasedimageSRisoneofthebestapproachesinthisfield,itstillinsufficientinima

5、gequalityandprocessingspeed.Thispapermainlyfocusesonimprovingthequalityofthereconstructedimageandtheprocessingspeed,basedontheimageSRviasparserepresentationmethod.Firstly,Theoreticalanalysisonthefactorswhicheffecttheefficiencyofthefeature-signalgorithmandtheexperimentalresultss

6、howthatwecanspeed-upthealgorithmbyreducedthedictionarysizeorgiventheinitialvalueofthesparsecoefficient.Then,thispaperproposesaSRmethodbasedonfeatureclassification.Asthesinglefeaturecannotreconstructtheimagecontourefficiently,onesupervisedfeatureextractionapproachwasproposedtoex

7、tracttheedgeandtexturefeaturesfromthefirst-orderandsecond-ordergradientimagesmarkedbythebinaryedgeimagebycannyalgorithm.Usingthedualfeatures,weimprovetheimageSRqualityandthespeed.Tospeed-upthealgorithm,wedesignafeatureclusteralgorithmbeforethesparsecodingstage.Thismethodwillobt

8、ainmorestructuralandlowerdimensionalsub-dictionaries.T