【摘 要】
:
图像超分辨率技术是指人们通过软件的手段从一幅或多幅相关的低分辨率观测图像中重建出高分辨率图像的过程。该技术最初应用在医学、航天等相关领域,但随着人们对高分辨率图
论文部分内容阅读
图像超分辨率技术是指人们通过软件的手段从一幅或多幅相关的低分辨率观测图像中重建出高分辨率图像的过程。该技术最初应用在医学、航天等相关领域,但随着人们对高分辨率图像的需求越来越多,已逐渐渗透于日常生活中。图像超分辨率问题作为不适定的反问题,当前亟待解决的是如何通过优化过程重建出更高质量的图像,因此超分辨率技术研究具有很大的现实意义。基于学习的图像超分辨率技术通过在丰富的数据集中学习到一组过完备字典实现图像重建过程,获得了较好的重建结果。但现有的方法还存在字典学习效率低,正则化约束项不能有效的指导重建过程等问题,为了进一步提高重建图像质量和改善字典学习效率,本文研究了基于新型字典学习方法的图像超分辨率重建,主要研究工作如下:1.介绍了单幅图像超分辨率技术的研究背景及意义,总结了其应用前景。对国内外现有的三类超分辨率方法做了全面的综述,总结了各自的优缺点。最后确定基于学习的方法为本文研究内容,重点进行了分析。2.针对现有的单幅图像超分辨率技术在训练字典时依赖于外部数据集,忽略对图像自身的利用或者图像自身的同尺度相似块仅能提供有限的额外信息等问题,提出一种基于多尺度自相似性学习的超分辨率算法。首先对观测图像进行不同尺度的放缩形成多尺度的金字塔,然后利用邻域嵌入方法在金字塔中寻找不同尺度的相似块,将得到的相似块组合成集合作为字典训练的数据集从中学习到冗余字典。仿真实验表明,该方法提高了字典训练效率,同时也能保证超分辨率结果图像的质量。3.针对现有的单幅图像超分辨率技术仅利用同尺度图像块之间的关系作为正则项约束,不能有效提高超分辨率图像质量等问题,本文提出一种基于多尺度正则项约束的自相似性学习的方法。在多尺度自相似学习的基础上把多尺度金字塔的各个相邻层的相关性作为约束加入到目标公式中,形成新的目标公式,改善了算法性能,进一步提高了超分辨率结果图像的质量。仿真实验表明,该超分辨率方法能够有效的获得更加清晰的图像,而且对噪声有较强的鲁棒性。
其他文献
From 2010 to 2015, the Wuhan Institute of Posts and Telecommunications(WRI) had undertaken the national key basic research development program project ‘ultra-h
当前计算机技术和通信技术发展迅速,使得人们的生活随之产生了巨大的改变,同时企业信息化与自动化领域也随着这些技术的发展产生了很大的变化。显然传统的本地化数据采集系统
随着计算机技术的迅速发展和网络规模的日益庞大,计算机网络中存在大量的主机、数据传输设备和各种网络安全设备。在网络系统运行过程中,会产生大量的不同类别的日志信息,这
摘要:3G技术的迅速发展以及Internet的不断普及,为移动增值业务创造了广阔的发展空间,同时用户对移动通信也有了更高的要求。目前,传统的彩铃业务已经不能满足手机用户的个性
随着普适计算技术的不断发展,人们对于舒适、安全、健康生活的需求也与日俱增。基于运动传感器技术的活动识别正在健康看护、人机交互、动作指导等领域发挥着重要的作用,同时
针对现有波分复用多协议标签交换光互联网络覆盖方法,收敛性差、易早熟、网络覆盖率低的不足,提出一种基于改进粒子群的互联网络覆盖优化方法研究。首先构建光互联网络节点分
西太平洋暖池(Western Pacific warm pool)是全球海温最高的海域,汇聚了巨大的热能,在地球气候系统中具有非常重要的作用。本文综述了近30年来有关西太平洋暖池的研究进展,包
随着计算机技术的迅猛发展,应用高性能计算和一些新的算法进行分子模拟的研究已经成为一个新的研究方向。耗散分子动力学(DissipativeParticle Dynamic DPD)作为一种分子模拟
从噪声图像中提取目标结构的轮廓是计算机视觉中的一个基本问题。为了解决这一问题,研究者提出了轮廓编组的理论。轮廓编组可以用来在噪声图像中识别显著结构,在许多高级视觉
电阻抗成像技术(Electrical Impedance Tomography,简称EIT)是一种可视化、非侵入、低成本、无辐射的检测技术,已成为工业检测和医学检测领域的研究热点。随着电子技术的不断发