基于线性贝叶斯MAP估计和稀疏表达模型的图像插值算法研究

项目名称： 基于线性贝叶斯MAP估计和稀疏表达模型的图像插值算法研究

项目编号： No.61402003

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 自动化技术、计算机技术

项目作者： 孙冬

作者单位： 安徽大学

项目金额： 25万元

中文摘要： 通过插值实现图像分辨率的增强是图像处理中的重要问题，低分辨率观测图像中未知高频细节的精确恢复是图像插值的主要内容。现有的方法无法对具有复杂结构和丰富纹理的图像进行准确有效地插值处理。本项目利用图像的稀疏表达模型，在贝叶斯框架下对图像插值算法进行研究。主要内容为：(1) 根据低分辨率图像的观测模型，利用冗余字典下图像表达系数的稀疏性先验，通过对高分辨率目标表达系数的后验概率最大化的方法建立插值方程。(2) 对插值方程中相关参数的选取和估算方法进行研究，包括冗余字典的构造、退化矩阵的建立和图像表达系数方差的估算。(3) 研究插值方程的迭代求解算法；首先将惩罚函数分解为表达系数约束项和支撑约束项，然后交替地对每个约束项进行优化求解。通过上述内容的研究，可望为图像的高精度插值提供一种新的方法。

中文关键词： 图像插值；最大后验概率估计；稀疏表达；自相似性；互补拼贴

英文摘要： Image resolution enhancement by interpolating is an important problem on image processing. The main content of image interpolation is the accurate restoration of the unknown high frequency details of high-resolution image from a low-resolution observation

英文关键词： image interpolation；maximum a posteriori estimation；sparse representation；self-similarity；complementary collage