基于形态分量分析的图像超分辨重建机理与算法研究

图像超分辨率重建在航空、遥感、医学、层析成像等众多领域具有广泛应用前景。近年来，稀疏表示和变分方法在图像超分辨问题中各自发展了一系列新方法，但是如何将两者的优势有机地结合起来，设计更加高效并保持图像几何结构和纹理的图像超分辨率模型和算法是目前国际上的热点问题。本项目研究基于形态分量分析（MCA）的图像超分辨重建算法。创新点包括：通过稀疏表示字典对图像形态成分的统计不相干性和稀疏性的研究，建立符合类内强稀疏而类间强不相干的几何结构和纹理分量稀疏表示字典，提出更广义MCA框架下的稀疏性度量、非局部结构正则化和噪声先验度量模型，并在凸分析和稳健统计学思想下，提出MCA框架下联合处理图像放大、去噪、去模糊、去马赛克效应的超分辨重建模型，通过子空间投影和迭代收缩方法提出超分辨率重建的多步迭代算法。本项目对于推动超分辨重建、图像理解、稀疏表示等理论发展都有重要意义。