论文部分内容阅读
图像超分辨率重建的目的是根据单幅或者多幅低分辨率图像,采用信号处理技术,重建出高分辨率图像,其可分为单幅图像超分辨率重建和多幅图像超分辨率重建,本文主要研究单幅图像超分辨率重建。基于稀疏表示的超分辨率重建技术是当前图像处理领域研究的热点之一,其关键技术包括稀疏矩阵的计算、词典构建以及相关后处理技术。本文在分析词典构建算法以及训练样本集对重建质量影响分析的基础上,提出了改进的基于稀疏表示的彩色图像超分辨率重建方法,并对图像后处理技术进行了研究。主要工作包括：1)词典构建算法性能验证。实现了两种典型的词典构建算法,并进行了性能验证实验。实验结果表明KSVD算法在恢复相似度和平均表示误差这两个指标上均优于MOD算法。2)训练样本集及词典构建算法对超分辨率重建性能的影响分析。词典的构建需要样本集的训练,训练集一般分为两类：(1)自然图像训练集；(2)与待重建图像相关的训练集。将这两种训练集分别利用KSVD和MOD算法构建两类词典,并进行超分辨率重建。实验结果表明基于KSVD算法超分辨率重建的信噪比和相似度都高于MOD算法；训练集与待重建图像越相近,信噪比和相似度就越高。3)改进的基于稀疏表示的彩色图像超分辨率重建方法。将低分辨率图像的RGB模式转换成YCbCr模式,利用KSVD算法构建Y、Cb、Cr三通道词典,分别对三个通道进行图像的超分辨率重建。实验结果表明与单独的Y分量重建以及R、G、B三通道重建方法相比较,本文算法重建的信噪比和相似度都有了提高。4)基于几何局部自适应性锐化(GLAS)的图像后处理。针对重建后图像边缘模糊现象,采用GLAS算法进行图像后处理,根据图像的局部轮廓构建不同形状的核函数进行各向异性图像增强,实验取得较好效果。