近似稀疏正则化的红外图像超分辨率重建.pdf

《近似稀疏正则化的红外图像超分辨率重建.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第22卷第6期光学精密工程VoI_22No．62014年6月OpticsandPrecisionEngineeringJun．2014文章编号1004—924X(2014)061648—07近似稀疏正则化的红外图像超分辨率重建邓承志，田伟，汪胜前，朱华生，吴朝明，熊志文，钟威(南昌工程学院信息工程学院，江西南昌330099)摘要：针对红外图像分辨率低、受噪声影响严重等问题，引入近似稀疏正则化和K一奇异值分解(K—SVD)法，提出了基于近似稀疏表示模型的红外图像超分辨率重建方法。考虑到红外图像受到噪声污染，首先建立了稳健近似稀疏表示模型。针对

2、已有字典训练方法时间消耗巨大问题，在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下，联合近似稀疏表示模型和K—SVD方法，提出近似稀疏约束的基于K—SVD的高低分辨率字典对学习算法。最后，通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像。为了验证算法的性能，对提出的算法与稀疏性正则化的图像超分辨模型(SRSR)和Zeyde算法进行了实验比较。结果表明，本文方法能够较好地减少红外图像中的噪声，同时获得更好的超分辨率重建效果。关键词：红外图像；超分辨率重建；近似稀疏；字典学习中图分类号：TP391．41文献标识

3、码：Adoi：10．3788()PE．2O142206．1648Super-resolutionreconstructionofapproximatesparsityregularizedinfraredimagesDENGCheng—zhi，TIANWei，WANGSheng—qian，ZHUHua—sheng，WUZhao—ruing。XIONGZhi—wen，ZHONGWei(DepartmentofInformationEngineering，NanchangInstituteofTechnology，Nanchang330099，

4、China)*Correspondingauthor，Email：dengchenzhi@126．COITZAbstract：Fortheproblemsoftow-resolutionandseriouseffectfromnoisesofinfraredimages，anapproximatesparsityregularizedinfraredimagesuper_reso1utionreconstructionalgorithm(ASSR)basedonK-SVD(Sin—gularValueDecomposition)waspro

5、posed．Inconsiderationofthenoiseeffectfrominfraredimages，anap—proximatesparsityrepresentationmodelwasfirstestablished．Ontheassumptionthatthelowandhighreso—lutionimagespacesholdasimilarmanifold，anapproximatesparsityregularizedK-SVDbaseddictionarylearningmethodwasproposedwith

6、approximatesparsitymodelandK——SVDmethodtosolvethetime-consu——mingproblemofexistingdictionarytrainingprocess．Finally，thehigh-resolutioninfraredimageswererecov—eredbythehigh-resolutiondictionaryandthecorrespondinglow-resolutiongroupsparsecoefficients．Toverifytheperformanceof

7、thealgorithmproposed，itwascomparedwiththoseoftheSparsityRegularizedSuperResolutionReconstruction(SRSR)andZeydealgorithm．Experimentalresultsshowthattheproposedmeth—odcanreducethenoisesofinfraredimages，andcanobtainexcellentperformanceinsuper_resolutionrecon收稿日期：2013—10—16；修订

8、日期：201311一l9．基金项目：国家自然科学基金资助项目(No．61l62022，61362036)；江西省自然科学基金资助项目(No20132BAB201021)；江西省科