基于稀疏表示的图像超分辨率算法及应用-控制科学与工程专业论文.docx

Classified Index: TP391.41 U.D.C: 004.9 Dissertation for the Master Degree in Engineering SUPER RESOLUTION AND ITS APPLICATION BASED ON SPARSE REPRESENTATION Candidate： Hongting Wang Supervisor： Associate Prof. Ligang Wu Academic Degree Applied for： Master of Engineering Speciality： Control Science and Engineering Affiliation： School of Astronautics Date of Defence： July, 2012 Degree-Conferring-Institution： Harbin Institute of Technology 哈尔滨工业大学工学硕士学位论文 哈尔滨工业大学工学硕士学位论文 - - I - 摘要 图像的稀疏超分辨率重建是信号处理领域一项富有挑战性的课题，图像超分 辨率为恢复成像系统丢失的高频信息提供了可能，这一技术的发展与应用将会缓 解成像系统硬件高昂费用的压力，还能在应用高分辨率图像的场合为人们提方 便。 本文给出了将非下采样轮廓变换用于特征提取的图像稀疏超分辨率分析方 法，得到了较好的超分辨率重建效果。 在稀疏表示的框架下，训练高低分辨率字典以及重构时，以非下采样轮廓波 变换为主要特征提取方式，进行了多尺度多方向的多种特征提取并结合梯度特征 提取方法，既发挥了轮廓波变换平移不变性的优势，又结合了空域的梯度特征提 取方式，充分地提取了低分辨率图像的高频有效信息，这为图像的超分辨率重建 提供了有力的保障。 算法验证实验选取一定数量的细节信息丰富的图像作为训练集，学习高低分 辨率字典，并对测试集中的图像进行了超分辨率分析。分别对不同的特征提取方 法、不同的重构权重因子进行图像超分辨率重建的仿真分析。本文算法的峰值信 噪比和结构相似度两种指标均优于传统方法，且自然图像重建的主观视觉效果也 较好。除此之外，将超分辨率分析用于微钙化点等乳腺病灶的检测上：首先应用 本文的乳腺 X 射线图像的对比度增强算法获得对比度大的图像，然后对增强后的 图像进行超分辨率分析，病灶信息被很好地分离出来并清晰可见。还将超分辨率 分析算法应用在低分辨率核磁共振图像的超分辨率重建上，取得了较好效果。实 验结果表明本文提出的稀疏超分辨率算法对自然图像和医学图像的处理性能都较 好，在计算机辅助诊断方面具有潜在应用价值。 关键词 稀疏表示；超分辨率；非下采样轮廓波变换；医学图像 - - II - Abstract Image super resolution based on sparse representation is a challenging problem in signal processing, which offers the possibility to recover the lost high frequency information. The development and employment of this technology will help relieve the pressure of expensive costs for imaging system, and provide conveniences for people when they demand high resolution image. This paper presents an approach of image super resolution which applies Nonsubsampled Contourlet Transform (NSCT), which gets good results. Under the sparse representation framework, the presented algorithm applies NSCT to the feature extraction which is needed for in training high and low resolution dictionary. The NSCT is characterized by multiscale, multidirection and translational constancy, and the derivative of image is also u