基于图像自相似性与压缩感知的超分辨率重建

发布时间：2020-07-28 12:01

【摘要】：高分辨率图像具有高像素密度和丰富细节信息,对于卫星遥感成像,医学成像,目标定位等特殊领域来说具有十分重要的意义。提高图像的分辨率,理论上既可从硬件入手,亦可从软件方面着手,但实际中,由于硬件成本的限制和工艺生产的复杂性,研究学者们几乎都从软件算法方面来提高图像的分辨率。超分辨率重建技术是从软件算法方面来提高图像高分辨率。这种方法基于数字信号处理、机器学习等理论,可以在不改变图像传感硬件设备的条件下,较好地提高原有图像的分辨率,因此成为当前研究的热点,并具有广泛的应用前景,尤其在医疗和国防安全方面。大体上说,重建算法由单幅重建和多幅重建组成,本文致力于研究单幅图像的超分辨率重建技术,在深入研究分析了以往超分辨率重建技术的各自优劣之后,结合图像自相似性和压缩感知理论的各自优势,在已有重建方法上做了改进,其主要工作内容如下:(1)提出了一种基于梯度幅值分类和自相似性的超分辨率图像重建算法,在不增加外在训练样本的情况下引入块旋转策略,丰富了训练样本的多样性,为权衡引入块旋转策略增加的时间复杂度,使用块平均梯度幅值进行分类和FLANN(Fast Library for Approximate Nearest Neighbors)快速近似最近邻搜索库进行搜索重建,最后使用不固定块大小进行自相似性加权重建并利用局部约束和迭代反投影算法进行后处理,相比传统自相似性重建算法,重建图像质量有所提高。(2)提出了一种改进的基于自相似性和压缩感知的超分辨率图像重建算法,使用基于梯度幅值分类和自相似性重建的高分辨率图像作为压缩感知重建过程中的高分辨率训练图像,并对最终重建的高分辨率图像利用反锐化掩膜算法进行增强优化。相比以往压缩感知重建使用低分辨率图像插值放大后图像做为训练样本,更加充分地利用了图像的自相似性,使得训练的高分辨率字典更优,提高了图像的重建精度。该算法能够使重建彩色图像更加锐利,即使放大倍数较大时,重建出的高分辨率图像也较为理想。
【学位授予单位】：北京印刷学院
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 孙学芳;肖志云;孙蕾;李新科;;双边全变分的自适应核回归超分辨率重建[J];计算机工程与应用;2013年20期

2 刘超;;基于稀疏表示和聚类的快速超分辨率重建方法研究[J];南阳理工学院学报;2012年04期

3 王晓文;刘雨;;图像超分辨率研究综述[J];信息技术;2009年07期

4 李健平;;基于稀疏表达的遥感影像超分辨率重建[J];电脑开发与应用;2014年07期

5 陈为龙;;基于正则化的超分辨率重建研究[J];中国科技信息;2013年13期

6 王春霞;苏红旗;范郭亮;;图像超分辨率重建技术综述[J];计算机技术与发展;2011年05期

7 刘琚;乔建苹;;基于学习的超分辨率重建技术[J];智能系统学报;2009年03期

8 张占武;朱秀昌;;基于自相似性约束的视频稀疏超分辨率重建[J];电视技术;2014年11期

9 韩玉兵;陈如山;吴乐南;;基于小波域隐马尔可夫模型的信号超分辨率重建[J];数据采集与处理;2011年03期

10 廖宇;乔凌;;超分辨率重建技术研究与探索[J];通信与信息技术;2011年05期

相关会议论文 前10条

1 徐忠强;朱秀昌;;基于正则算法的压缩视频超分辨率重建[A];第十三届全国图象图形学学术会议论文集[C];2006年

2 景号然;;利用超分辨率技术提高天气雷基数据分辨率的探究[A];第32届中国气象学会年会S16 地基遥感观测技术与应用[C];2015年

3 潘明海;刘永坦;赵淑清;徐佳祥;干恒富;;一种多运动目标的超分辨率检测算法[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

4 李兵兵;陆耀;王晓明;李劲娴;;基于金字塔回归策略的人脸超分辨率[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

5 张光昭;胡敬炉;谢泽明;;超分辨率亚毫米波付里叶变换谱[A];第四届全国波谱学学术会议论文摘要集[C];1986年

6 池小梅;马建伟;黄景涛;;基于压缩传感的超分辨率红外成像研究[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 李栋;;超分辨率活细胞成像技术进展[A];中国化学会-生物物理化学专业委员会第四届全国生物物理化学会议论文集[C];2016年

8 胡敏;高强;王晓华;;借助于近场透镜的目标远场超分辨率电磁成像[A];2018年全国微波毫米波会议论文集(上册)[C];2018年

9 周冠群;张光昭;;一种实现亚毫米波超分辨率付里叶变换谱的新方法[A];第五届全国波谱学学术会议论文摘要集[C];1988年

10 肖鹏;胡栋;;基于窄量化约束集的H.264视频超分辨率重建方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

相关重要报纸文章 前4条

1 张魁兴;修复经典剧要坚持“历史观”[N];文学报;2019年

2 吴凤林邋刘红梅;彩超与B超[N];家庭医生报;2007年

3 本报记者 蔡敏霞;AI生成的虚假人脸你能分辨出来吗？[N];广东科技报;2019年

4 李玲玲;机器人各显神通[N];中国知识产权报;2000年

相关博士学位论文 前10条

1 薛翠红;图像及视频序列中人脸超分辨率重建技术研究[D];河北工业大学;2012年

2 乔建苹;超分辨率重建与图像增强技术研究[D];山东大学;2008年

3 杨强;基于压缩感知理论的图像融合及超分辨率重建算法研究[D];成都理工大学;2015年

4 朱红;多尺度细节增强的时空遥感影像超分辨率重建[D];辽宁工程技术大学;2017年

5 李定一;基于深度学习的视频超分辨率算法研究[D];中国科学技术大学;2019年

6 陈王丽;多视光学遥感影像超分辨率重建研究[D];武汉大学;2015年

7 夏洋;基于结构相似性约束的监控视频编码和超分辨率研究[D];武汉大学;2013年

8 高强;用于时间反演远场超分辨率成像的微结构阵列研究[D];电子科技大学;2018年

9 李方彪;红外成像系统超分辨率重建技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2018年

10 李春梅;基于近景旋转相机的大幅面影像获取及其超分辨率重建研究[D];中国矿业大学;2018年

相关硕士学位论文 前10条

1 尧潞阳;基于图像自相似性与压缩感知的超分辨率重建[D];北京印刷学院;2017年

2 王晓玲;图像盲超分辨率重建和人脸幻想技术[D];山东大学;2009年

3 李乐乐;深度图超分辨率重建技术研究[D];天津大学;2017年

4 马晨;基于感兴趣区域和稀疏表示的人脸超分辨率重建[D];河北工业大学;2014年

5 王芳;认知压缩感知及其在人脸超分辨率重构中的应用[D];上海交通大学;2014年

6 周慧;视频图像的超分辨率重建技术研究[D];湖南大学;2013年

7 杨永玲;基于超分辨率重建的视频图像压缩方法的研究[D];大连海事大学;2008年

8 李秋菊;基于稀疏表示的超分辨率重建研究[D];西北大学;2015年

9 曹石颖;基于压缩感知的视频超分辨率技术研究[D];浙江大学;2013年

10 牛羽;超分辨率重建算法研究[D];重庆大学;2009年

本文编号：2772854