基于稀疏編碼網(wǎng)絡(luò)的圖像超分辨率重建.pdf

1、圖像超分辨率重建是一種通過使用軟件算法的方式改善圖像質(zhì)量的技術(shù)，即由輸入的一幅或者多幅同一場景的低分辨率圖像重建出一幅高分辨率圖像的技術(shù)。它克服了通過硬件獲得高分辨率圖像成本高的固有缺陷，在改善圖像顯示、人臉識別、醫(yī)學輔助診斷方面有著重要意義，目前已經(jīng)廣泛應(yīng)用在計算機視覺、醫(yī)學圖像處理、安防監(jiān)控和遙感圖像處理等領(lǐng)域。基于字典學習和深度學習的圖像超分辨率重建是近些年比較流行的方法。本文分別基于上述兩種方法進一步展開研究，做了一些改進和創(chuàng)新

2、。主要工作如下:
　　1.使用一種基于監(jiān)督學習的多類字典學習算法和錨定鄰域回歸方法來重建低分辨率圖像。首先通過高斯混合模型對訓練圖像塊進行聚類并生成標簽信息。然后引入分類誤差項并組成一個新的目標函數(shù)并使用KSVD算法對其求解，獲得稀疏類字典和一個線性分類器。最后利用此線性分類器對輸入的測試特征分類，根據(jù)相應(yīng)的類稀疏字典，使用錨定鄰域回歸方法來完成圖像重建。
　　2.針對原有深度網(wǎng)絡(luò)中使用線性糾正單元和隨機梯度下降來重建圖像的

3、局限性，將RReLU和NAG方法結(jié)合去改進此端到端的卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)從而進一步提高超分辨率重建質(zhì)量。在基準測試集上的實驗結(jié)果證明了改進算法相較于原算法其他幾種方法在主觀視覺評價和客觀量化評價上擁有更好的表現(xiàn)。
　　3.設(shè)計了一個端到端的深度殘差模型來解決超分辨率問題。首先從數(shù)學形式上將圖像退化模型和單個殘差單元建立聯(lián)系，即采用跳躍連接(Skip Connections)的方式讓模型去學習低分辨率圖像和高分辨率圖像之間的一個殘差映射