摘 要

图像超分辨技术指的是在获得预期的高分辨率图像时不需要改变改变现有物理设备,只需采用一定的的数字信号处理技术就能实现目标的技术。与传统的硬件方法相比，超分辨率技术的操作相对简单，并且在提高图像分辨率时大大降低了由改变硬件设备所带来的高额成本,因此被越来越多地应用于高清数字电视、军事遥感监测、公共安全和医学成像等领域。本文主要对基于稀疏表示的图像超分辨率重建技术进行讨论，简单介绍了基于样例的方法、经典的邻域嵌入法、最近邻插值法、双线性插值法、双三次插值法的基本原理还有主要的算法思想，并对他们的特点进行了分析，接着介绍了图像的稀疏表示理论模型，然后说明了如何去构造过完备字典，并对基于稀疏表示的图像超分辨率算法对图像重建的整个过程进行了具体的介绍，最后本文重点对双三次插值法和基于稀疏表示的图像法超分辨率算法对图像的重建效果进行对比分析，并进行了仿真实验，通过仿真得出结论；基于稀疏表示的图像超分辨率重建算法相对于双三次插值法而言对图像的重建效果更好，获得的图像的分辨率更高，所以重建后的图像也更接近原始高分辨率图像。

关键词：高分辨率；稀疏表示；图像超分辨率重建

Abstract

Image super-resolution technology refers to the expected high-resolution images do not need to change the existing physical equipment, just a certain amount of digital signal processing technology can achieve the target technology. Compared with the traditional hardware method, the operation of the super-resolution technology is relatively simple, and greatly improve the image resolution by changing the hardware equipment by the high cost, it is increasingly used in high-definition digital Television, military remote sensing, public safety and medical imaging. In this paper, we mainly discuss the super-resolution reconstruction technique based on sparse representation, and briefly introduce the basic principle of sample-based method, classical neighborhood embedding method, nearest neighbor interpolation method, bilinear interpolation method and bi-cubic interpolation method And then the main algorithm ideas, and their characteristics were analyzed, and then introduced the image of the sparse representation of the theoretical model, and then explained how to construct a complete dictionary, and sparse representation of the image super-resolution algorithm for image reconstruction Finally, this paper focuses on the double-three interpolation method and the sparse representation of the image super-resolution algorithm for image reconstruction effect of comparative analysis, and carried out a simulation experiment, through the simulation to draw conclusions; based on The sparse representation of the image super-resolution reconstruction algorithm is better than the bi-cubic interpolation method for reconstructing the image, and the resolution of the obtained image is higher, so the reconstructed image is closer to the original high-resolution image.

Key words: high – resolution；sparse representation ；Super-resolution reconstruction

目录

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 2

1.2.1插值重建的方法 2

1.2.2多帧重建的方法 2

1.2.3基于学习的方法 3

1.3本文主要内容和章节安排 3

第2章 单帧图像超分辨率重建方法 5

2.1超分辨率算法模型 5

2.2现有的单帧图像超分辨率算法 6

2.2.1基于学习的图像超分辨率算法 6

2.2.2基于插值重建的图像超分辨率算法 7

2.3本章小结 9

第3章 基于稀疏表示的图像超分辨率重建算法 11

3.1图像的稀疏表示理论模型 11

3.2过完备字典构建 12

3.3图像重建过程 14

第4章 算法仿真实验与分析 17

4.1图像超分辨率算法性能评价指标 17

4.2基于稀疏表示的图像超分辨率重建算法仿真 18

第5章 总结 24

参考文献 25

致谢 26

绪论

1.1研究背景及意义

人类在获取各种信息的过程中，图像是一个非常重要的渠道，而且在各种图像当中往往也具有大量信息，能够很好的为我们人类构建出一个更加形象的而且也更加便于识别的思维模式，在我们进行各种社会活动的过程中起到了重要的作用。通过人眼看到的各种各样的图像，其中含有很多细节信息，如果细节信息越多，那么整个的图像效果就必然会更好，图像也会具有更高的质量^[1]。尤其是对于图像的分辨率来说，在反应图像信息方面具有绝对性的作用，所谓分辨率就是一个图像当中每英寸所含有的像素点多少。

为了解决图像质量退化问题，研究领域提出了两个主要的方法:第一种主要是通过一些比较先进的物理设备对图像的质量进行改善，比如说在拍摄图像的过程中直接使用一些精度更高的成像设备;第二种方法则主要是对获取的信号进行处理，通过这样的方法来进一步的提升图像分辨率。