摘要：如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典,进而形成对图像的稀疏分解是当前研究者关注的热点问题.根据图像的几何结构特性,从人类视觉系统特性出发,建立了匹配各层面图像结构的Gabor感知多成份字典,进而提出一种高效的基于匹配追踪的图像稀疏分解算法.实验结果表明:Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构的自适应性,与Anisotropic refinement-Gaussian(AR-Gauss)混合字典相比以较少的原子实现了对图像更为高效的稀疏分解.

摘要：如何设计更加高效并能保持图像几何和纹理结构的多幅图像超分辨模型和算法是目前该领域有待解决的难点问题.针对图像的几何、纹理结构形态,分别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子成份字典,形成图像的多形态稀疏表示模型,进而提出一种新的基于多形态稀疏性正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在多成份字典下的稀疏性先验约束,保真项度量其在退化模型下与观测信号的一致性,采用交替迭代法对该多变量优化问题进行数值求解,每一子问题采用前向后向的算法分裂法进行快速求解.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.