论文部分内容阅读
图像的分辨率是衡量图像质量的一个重要指标,图像分辨率越高,细节越丰富,信息量越大,越有利于人们的理解。图像超分辨率技术是一种在不改变硬件条件的前提下,通过相关算法对低分辨率图像进行处理,最终提升图像分辨率的方法。 本文提出了一种基于稀疏表示的图像超分辨率重建算法,首先通过介绍了压缩感知理论,分析了图像超分辨率算法在此框架下的可行性,并对超完备字典对的构建和稀疏表示这两个关键问题进行了深入研究。对于稀疏表示问题,本文提出了一种快速的正交匹配追踪算法,该算法首先利用K-means算法将字典组织成一种树形结构,然后利用树形结构快速搜索的优势,能大幅度减少算法超分辨率阶段的时间消耗。 在效果方面,相对于常见的超分辨率重建方法,本方法引入了与原始图像结构一致的额外的高频信息,同时避免了先验模型不准确的缺点。通过利用适应于大部分图像的超完备特征字典对来指导图像的超分辨率重建,本方法能获得更好的超分辨率效果,细节区域更丰富、边缘区域更清晰,具有较好的视觉效果。 为了进一步减少程序运行时间,本文对CUDA的并行计算工作原理进行了研究,分析了CUDA的程序结构和线程结构,最后结合CUDA对算法中可以进行并行计算的模块进行了GPU并行加速处理。