稀疏表示下图像超分辨分析算法的研究

《稀疏表示下图像超分辨分析算法的研究》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、国内图书分类号：TP391.4学校代码：10213国际图书分类号：681.39密级：公开工程硕士学位论文稀疏表示下图像超分辨分析算法研究硕士研究生：李晓兵导师：李君宝副教授申请学位：工程硕士学科、专业：仪器仪表工程所在单位：电气工程及自动化学院答辩日期：2014年7月授予学位单位：哈尔滨工业大学万方数据ClassifiedIndex：TP391.4U.D.C:681.39DissertationfortheMasterDegreeinEngineeringRESEARCHONALGORITHMSOFSPA

2、RSEREPRESENTATION-BASEDIMAGESUPERRESOLUTIONCandidate:LiXiaobingSupervisor:Prof.JunBaoliAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:InstrumentandMeterEngineeringAffiliation:SchoolofElectricEngineeringDateofDefense:July,2014Degree-Conferring-Inst

3、itution:HarbinInstituteofTechnology万方数据哈尔滨工业大学工学硕士学位论文摘要图像稀疏表示理论是近两年信号处理领域中最新的研究方向。随着其数学基础的不断完善及其在压缩感知领域中的应用，稀疏表示理论在实际应用的前景也逐渐体现，并已成为图像处理应用中一个重要研究方向。目前，图像稀疏表示理论已经在图像处理中的降噪，修复，分类，检索，超分辨分析及其高速传输与存储等领域取得成功应用，尤其在图像超分辨分析中，稀疏理论具有独特优势。稀疏表示下图像超分辨算法由于能够充分利用图像的先验知识

4、，实现较好的图像重构效果，其应用前景广阔，在医学图像、遥感图像等领域，该方法都具有重要的理论和实际价值。本文研究目在于通过对稀疏表示下图像重构基础理论和算法框架的研究，建立完整的稀疏表示下超分辨图像重构系统架构的参数分析系统；利用提出的联合字典训练算法，并将其用于医学图像和遥感图像的超分辨重构中，以解决实际的图像超分辨分析问题。全文的创新性研究工作主要有：1.针对稀疏表示下图像超分辨算法模型参数优化选择问题，提出了稀疏表示下图像超分辨分析算法参数优化总体架构。利用给出的性能效果评价标准，进行综合仿真实验，

5、分析稀疏重构中各参数对重构性能的不同影响。2.针对稀疏表示下图像超分辨分析中的字典构成问题，提出了新的图像超分辨重构的冗余联合字典训练方法。在分析单字典训练算法和现存联合字典训练算法中的缺点和不足中基础上，提出同时构造联合低、高分辨率字典的方法，建立低分辨率、高分辨率图像块的新的对应关系。高分辨率图像块通过降采样原理得到对应的低分辨率图像块，然后通过稀疏系数的映射关系实现由低分辨率字典到高分辨率字典的一对一的映射，从而实现图像的低高分辨率的重构。仿真实验表明，利用该训练的联合字典可有效实现图像超分辨重构，

6、且重构图像效果优于传统的图像超分辨分析算法。3.针对稀疏表示下图像超分辨分析算法的实际应用问题，结合实际的医学图像和卫星遥感图像的特点及实际应用需求，进行稀疏表示下医学图像和遥感图像的超分辨分析应用研究。利用磁共振图像和卫星遥感图像库进行图像超分辨仿真实验。实验结果表明，本文提出的超分辨分析参数优化方法并采用冗余联合字典训练方法，可有效利用训练样本的先验知识，获得重构性能较好的实验结果。关键词：稀疏表示；图像超分辨；字典训练；医学图像；遥感图像-I-万方数据哈尔滨工业大学工学硕士学位论文AbstractT

7、heoryofimagesparserepresentationbecomesthelatestareaofsignalprocessinginrecentyears.Withitsmathematicalfoundationmoreandmoreperfectandsuccessfulapplicationincompressedsensingarea,thepracticaloutlookofimagesparserepresentationhasbeenreflectedandimagesparse

8、representationhasbecomeanimportantresearchingareainsignalprocessingarea.Forthemoment,researcherssuccessfullyapplythistheoryintorelatedimagearea,includingimagedenoisingandrestoration,classificationandsearching,transm