1、圖像超分辨率重建是利用單幅或者多幅低分辨率圖像來(lái)重建高分辨率圖像的數(shù)字信號(hào)處理技術(shù)。相對(duì)于通過(guò)硬件獲取高分辨率圖像來(lái)說(shuō)花費(fèi)更少,近年來(lái)被廣泛應(yīng)用在公共安全監(jiān)測(cè)、醫(yī)學(xué)成像、高清視頻、軍事遙感探測(cè)等各個(gè)領(lǐng)域。因此,超分辨率重建技術(shù)具有重要的研究意義。
　　然而現(xiàn)有的超分辨率重建算法復(fù)雜、計(jì)算量大,不能滿足實(shí)時(shí)重建的需求。鑒于這些現(xiàn)狀,本文對(duì)快速超分辨率重建技術(shù)進(jìn)行了研究,主要取得的研究成果如下:
　　1、研究了Yang提出的基于

2、稀疏表示的超分辨率重建模型,針對(duì)該算法重建時(shí)間較長(zhǎng)的不足,提出基于稀疏表示和原子聚類的快速超分辨率重建方法。該方法主要利用K均值聚類算法將字典中相似的原子聚集到同一類,對(duì)每個(gè)低分辨圖像子塊自適應(yīng)的選擇一個(gè)原子聚類進(jìn)行稀疏分解,加速了子塊的稀疏分解。實(shí)驗(yàn)結(jié)果表明該方法不僅提高了重建速度且在一定程度上改善了重建圖像質(zhì)量。
　　2、研究了雙字典近似學(xué)習(xí)算法,并將雙字典近似學(xué)習(xí)算法引入到基于稀疏表示的超分辨率圖像重建,通過(guò)訓(xùn)練低分辨率字典

3、及其對(duì)偶字典,將低分辨率圖像子塊的稀疏分解近似為對(duì)偶字典與低分辨率子塊的矩陣相乘,實(shí)驗(yàn)結(jié)果表明該方法在不明顯降低超分辨重建性能的同時(shí)大大降低了計(jì)算量。
　　3、研究了圖形處理單元(Graphic Processing Unit,GPU)架構(gòu)和統(tǒng)一計(jì)算設(shè)備架構(gòu)(Compute Unified Device Architecture,CUDA)編程模型,對(duì)基于雙字典近似學(xué)習(xí)的快速超分辨率重建算法的耗時(shí)情況進(jìn)行了分析,利用CUDA編程模