基于稀疏表示的二值图像超分辨率重建研究

《基于稀疏表示的二值图像超分辨率重建研究》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、中图分类号：TP391论文编号：102871617-S072学科分类号：083507硕士学位论文基于稀疏表示的二值图像超分辨率重建研究研究生姓名沈怡灵学科、专业软件工程研究方向数字图像处理指导教师刘宁钟教授南京航空航天大学研究生院计算机科学与技术学院二О一七年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofComputerScienceandTechnologyBinaryImageSuper-ResolutionbasedonSparseRepre

2、sentationAThesisinSoftwareEngineeringbyShenYilingAdvisedbyProf.LiuNingzhongSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2017承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而

3、使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本承诺书）作者签名：日期：南京航空航天大学硕士学位论文摘要随着图像处理技术的发展，人们对高分辨率图像的需求日益增大。二值图像，即拍摄后灰度集中在两个峰值区域的图像，是图像中的一个重要组成部分，在实际中存在着广泛的应用，比如其中典型的文本图像、条码图像、车牌等，存在于人们生活的方方面面，而分辨率不够会导致识别的困难。因此，对二值图像进行超分辨率重建具有很强的实用价值。本文对基于

4、稀疏表示的二值图像的超分辨率重建算法进行了深入的研究，提出了针对于二值图像的超分辨率重建算法。本文的主要工作从以下几个方面展开：1、分析超分辨率重建模型，研究基于插值、重建和学习三类不同的图像超分辨率方法的基本思想、经典算法以及各自的优缺点，体现出基于学习的图像超分辨率方法的优越性，而稀疏表示法是基于学习的方法中的一种突出算法，因此本文采用基于稀疏表示的方法对二值图像进行超分辨率重建。2、深入研究稀疏表示模型的基本理论和几种常用的稀疏编码问题的求解算法。在充分理解超分辨率重建和稀疏表示理论的基础上，给出针对于二值图像的基于稀疏表示的超分辨率重建算

5、法框架。3、对二值图像的典型特征进行深入分析，认为二值图像普遍具有明显的边缘特征和纹理特征，因此，从这两方面的特征入手，寻求对二值图像高频信息最恰当的表达方法。通过研究和对比各类边缘特征和纹理特征提取算法，最终提出选取Kirsch算子和LBP算子作为二值图像主要的特征提取方法，对二值图像的边缘特征和纹理特征进行抽取，再加上水平和垂直两个方向的二阶梯度算子，共同用于对字典学习的训练样本集和输入的低分辨率二值图像特征的提取上，并通过大量实验证明提出的特征提取方法对二值图像超分辨率重建的积极作用。4、由于二值图像中有二维码、文本等不同类型的图像，因此，

6、对这些图像用同一个学习字典会导致准确度不够。本文提出了适合于二值图像的字典学习方法。首先随机选取内容相关的训练样本集作为字典学习的输入，再利用K-means算法对训练样本集进行聚类，随后对聚成的K类样本集分别运用K-SVD算法进行字典学习，用生成的K个聚类子字典进行二值图像的超分辨率重建。通过实验证明提出的针对二值图像的字典学习算法在二值图像重建质量上的有效性。关键词：二值图像，稀疏表示，超分辨率重建，图像特征，聚类I南京航空航天大学硕士学位论文ABSTRACTWiththedevelopmentofimageprocessingtechnolo

7、gy,thedemandforhigh-resolutionimagesisincreasing.Binaryimage,thatis,theimageofthegrayscaleintwopeakareasaftershooting,isanimportantportionofimages.Inpractice,thereareawiderangeofapplications,suchastypicaltextimages,barcodeimage,licenseplates,whichexistinpeople'slivesinallaspe

8、cts.However,lowresolutionwillresultinidentificationdifficulties.Ther