基于稀疏度自适应的视觉图像三维清晰重构

石 磊，马丽茵

(北方民族大学，宁夏 银川 750021)

1 引言

人类通过视觉系统获取大量的外界信息，其中图像信息占主要部分[1]。在信息处理领域中图像处理技术是重要内容，人们对图像分辨率的要求随着图像在不同行业中的广泛应用不断提高[2-3]。图像分辨率成为重要指标可以对图像的质量进行衡量。由于系统噪声、大气振动、离散采样、成像器件与目标之间存在的相对运动等影响，会降低图像分辨率，导致在实际应用过程中采集的图像都无法满足人们的需求[4-5]。为了提高图像的分辨率，需要对图像进行三维重构处理。

文献[6]提出基于非局部全变差的图像三维重构方法，该方法根据目标图像结构与参考图像结构之间存在的相似性，获得小波域中图像的搜索集，将其作为范数，利用非局部全变差建立图像重构目标函数，并采用快速合成分离算法对目标函数求解，实现图像的三维重构，该方法没有对图像进行去噪处理，导致图像的峰值信噪比较低。文献[7]提出基于卷积神经网络的图像三维重建方法，该方法利用锐化方法和差值方法对图像进行预处理，通过差值操作获得图像的三维矩阵，在深层残差网络中输入三维特征映射获得图像纹理细节信息，通过亚像素卷积操作实现图像的三维重构，该方法对图像进行预处理时没有保留图像的细节信息，导致图像分辨率较低。文献[8]提出基于残差神经网络的图像重构方法，该方法建立残差神经网络结构对图像做压缩处理，通过上采样获得特征图，并对特征图进行优化，融合优化后的特征图实现图像的三维重构，该方法在重构过程中受噪声干扰较为严重，增加了重构时间，存在重构效率低的问题。……