發(fā)布時(shí)間：2024-07-10 19:14

　　圖像超分辨率技術(shù)是近年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域的研究熱點(diǎn)之一,其可以有效地彌補(bǔ)硬件成像設(shè)備精度的不足,以較高的還原度呈現(xiàn)出真實(shí)場(chǎng)景。圖像超分辨率技術(shù)在安防、遙感、醫(yī)學(xué)和高清顯示等領(lǐng)域有著廣泛的應(yīng)用場(chǎng)景和需求。本文圍繞提高圖像超分辨率性能展開(kāi)研究,并在基于學(xué)習(xí)的超分辨率方法上從提升學(xué)習(xí)字典訓(xùn)練效率和提高圖像重建質(zhì)量?jī)蓚�(gè)方面進(jìn)行改進(jìn)。本文首先針對(duì)傳統(tǒng)字典訓(xùn)練效率低的問(wèn)題,提出一種新的圖像塊相似性判斷方法及結(jié)構(gòu)不相似訓(xùn)練樣本構(gòu)造方法,該方法不僅極大地提升了字典訓(xùn)練效率,而且獲得的學(xué)習(xí)字典具有強(qiáng)的表達(dá)能力,有效提高了圖像重建的質(zhì)量;其次針對(duì)全局字典表達(dá)多樣化圖像塊能力有限的問(wèn)題,提出一種新的基于高斯混合模型的多字典超分辨率方法,該方法不僅有著較高的效率,而且獲得的學(xué)習(xí)字典具有強(qiáng)的局部自適應(yīng)表達(dá)能力,有效地提高了圖像重建的質(zhì)量。本文的工作主要包括:(1)學(xué)習(xí)并研究了超分辨率技術(shù)的相關(guān)概念和方法,主要包括超分辨率重建的概念、圖像退化模型、幾類(lèi)經(jīng)典的超分辨率重建方法。(2)重點(diǎn)研究了基于稀疏表示的圖像超分辨率重建算法。針對(duì)傳統(tǒng)算法訓(xùn)練學(xué)習(xí)字典效率低的不足之處,利用圖像塊結(jié)構(gòu)多樣化特征提出了一種基于塊編碼的圖...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像運(yùn)動(dòng)變形模糊下采樣疊加噪聲后低分辨率圖像圖2圖像退化過(guò)程示意圖高分辨率

西北大學(xué)碩士學(xué)位論文22221,(,)0,uvRhuvR其他(2.2表示散焦光斑的半徑。3、高斯退化函數(shù)：這種退化是由于光學(xué)系統(tǒng)受眾多復(fù)雜因素的影響，使得其點(diǎn)散函數(shù)趨近于高斯分布。對(duì)于光學(xué)系統(tǒng)來(lái)說(shuō)，點(diǎn)擴(kuò)散函數(shù)影響因素眾多，該退化函是光學(xué)系統(tǒng)....

圖6不同插值方法對(duì)Parrot2倍重建結(jié)果a.HRb.Nearestc.Bilineard.Bicubic

a.HRb.Nearestc.Bilineard.Bicubic圖6不同插值方法對(duì)Parrot2倍重建結(jié)果2.2.2基于邊緣的圖像超分辨率基于邊緣的SR主要利用了與圖像邊緣相關(guān)信息作為先驗(yàn)信息，文獻(xiàn)[18]利用了邊緣的寬度和長(zhǎng)度作為先驗(yàn)信息進(jìn)行SR，文獻(xiàn)[4....

圖圖7文獻(xiàn)[42]方法實(shí)驗(yàn)結(jié)果(a)Bicubic(b)文獻(xiàn)[42](c)原

()lNe表示像素在HR圖像中的55鄰域。然后，將高低分辨率圖像的梯度的銳度關(guān)系轉(zhuǎn)換到梯度域進(jìn)行求解，計(jì)算出高低分辨率梯度輪廓的比率：()||()||()exp{()()}hlhlhlddrdc....

圖13稀疏表示模型K

K圖13稀疏表示模型號(hào)S的稀疏表示是通過(guò)求解稀疏系數(shù)的||||p范數(shù)最0或者1，當(dāng)p取值為0時(shí)，0||||表示0l范數(shù)，0l范數(shù)；1||||表示1l范數(shù)，1l范數(shù)指示了向量中各個(gè)元素絕對(duì)了表示系數(shù)的稀疏特性。在本文中，我們采用了1l則....

本文編號(hào)：4004599