论文部分内容阅读
图像超分辨率重建旨在利用信号与图像处理的技术从一幅或多幅低分辨率图像中恢复出高分辨率图像,该技术已经成为近年来计算机视觉领域的热点研究方向。基于近邻嵌入的超分辨率重建方法假设“高、低分辨率图像块处在局部几何结构相似的流形中”,并在样例库中查找输入图像块的近邻,对近邻进行编码,传递编码系数(重建权值),重建出高分辨率图像块。然而,对低分辨率小块提取任一特征都不可能反映出高分辨率小块的全部信息,而且高、低分辨率图像块之间是一个“一对多”的映射关系,所以现有方法中的“流形假设”在理论上存在很严重的不足。针对现有流形假设的不足,本文考虑到图像的几何结构特性、非局部相似性、局部一致性以及近邻的稀疏性等特点,设计了多种改进方法,包括:基于双几何邻域嵌入的图像超分辨率重建方法,基于近邻约束和非局部、局部约束的图像超分辨率重建方法以及基于稀疏流形段嵌入的图像超分辨率重建方法。本文所做的主要工作包括:第一,设计了基于像素重心偏离与拉普拉斯梯度的特征。针对基于近邻嵌入的超分辨率重建方法中流形局部空间结构一致性假设的不足,为了更好地保持高、低分辨率小块之间的近邻关系,设计了基于像素重心偏离与拉普拉斯梯度的特征。在自然图像、SAR图像、遥感图像和医学图像4类43幅图像上分析并验证了该特征的有效性。第二,设计了基于稀疏张量的双几何邻域嵌入图像超分辨率重建方法。现有超分辨率重建方法均将图像进行向量化的操作,破坏了其结构信息。在三阶张量的表示下,该方法同时利用了空间和特征近邻信息,能发掘更好的嵌入空间。因此,该方法能够得到更好的重建权值。实验结果表明:该方法重建图像质量较好,优于同类型方法。第三,设计了基于近邻约束和非局部、局部约束的图像超分辨率重建方法。现有的基于邻域嵌入的超分辨率重建方法主要考虑了近邻的稀疏约束和流形结构的一致性,没有考虑空间的近邻关系。另外,图像中存在一定的非局部相似性和局部一致性等特点。针对这一不足,在最大后验概率的框架下分析超分辨率重建过程,本文认为:在超分辨率重建过程中,不仅需要引入图像的先验作为约束,还需要对近邻做一些约束,以此来突破现有“流形假设”的不足。由于引入了近邻约束和图像的非局部、局部约束,实验结果证明:该方法不仅提高了高、低分辨率流形之间的对应关系,而且能得到较高质量的重建图像。第四,设计了基于稀疏流形段嵌入的图像超分辨率重建方法。针对现有流形假设的不足,本文将线性流形结构的假设拓展到流形段上,用某一流形段上的近邻进行线性嵌入。该方法用近邻所处的流形段的“稀疏约束”和近邻要距离测试块近的约束来选择近邻,比仅用稀疏约束更加合理。实验结果表明,该方法在选择近邻时,能选择到更好的近邻,重建结果优于同类型方法。