基于结构特征学习字典的图像超分辨率研究

来源 :西北大学 | 被引量 : 0次 | 上传用户:cs8613416
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图像超分辨率重建技术是利用一幅或多幅低分辨图像重构出具有更丰富细节的高分辨图像,该技术对后续图像识别、分析和跟踪等处理有着重要作用,已广泛应用于卫星遥感、公共安全、医学成像和模式识别等领域。因此,深入研究图像超分辨率具有重要的理论意义和应用价值。目前,常用的超分辨率方法有基于插值、重建和学习的方法。基于学习中的基于稀疏表示的方法已成为解决超分辨率问题的热点研究方向,其关键在于学习字典的构建。近年来,图像的非局部自相似性作为一种先验信息,已被成功应用于图像去模糊、图像去噪和图像修复等领域。基于此,本文利用图像固有的非局部自相似性以及方向边缘特性,围绕构建表达能力强、鲁棒性好的学习字典展开研究,并将其应用于图像超分辨率。本文工作主要包括以下三个方面:1.学习和研究基于插值的、基于重建的和基于学习的三类超分辨率方法,并数值实现和对比分析了部分算法。2.提出一种基于方向边缘学习字典的图像超分辨率方法。首先构造一对具有边缘方向特性的模板对图像块聚类;然后分别对每一类图像块采用K-SVD算法训练字典,获得两对方向边缘字典;最后结合稀疏编码实现图像超分辨率重建。实验结果表明,该方法可恢复出更好的边缘结构和细节信息。3.提出一种新的基于结构不相似学习字典的图像超分辨率方法。以图像固有的非局部自相似性为约束,先利用三种不同的相似性判断方法删除训练集中的相似块,构造不相似小样本集;然后训练小样本集获得结构不相似学习字典;进而结合稀疏编码实现图像超分辨率。实验表明,在充分保证图像重建质量的前提下,该方法可以大大降低训练样本数量,提高学习字典的构建效率。总之,围绕提高学习字典的表达能力和构建效率,本文提出了方向边缘字典和结构不相似字典两种学习字典,并成功应用于图像超分辨率中,获得了较好的超分辨率结果。
其他文献
随着互联网和信息技术的迅速发展,许多行业和企业对于数据中心的服务需求持续增长,数据中心的数量和规模都在成倍增长。云计算的出现,改变了传统IT基础设施的使用方式和软件
问答系统是新一代的搜索引擎,它可以精确的检索答案给用户,更好的满足用户的查询请求。问句分类是问答系统中一个非常重要的环节,其性能直接影响到后期答案抽取的准确性,关乎
近年来,确保系统的高度可靠性,已成为构建超级计算机系统面临的主要技术挑战。一方面,超级计算机系统的计算作业通常需要持续运行数天甚至数月的时间。而系统部件的故障不可
储能飞轮技术的发展有两个非常明显的趋势:一是实现高储能密度,二是追求轻质化。近些年来,有不少研究者将两个趋势进行融合发展,形成同时具备高储能密度和轻质化两项优点的更先进的储能飞轮系统。本文以此为切入点,具体到高储能密度飞轮系统关键技术之一的飞轮转子系统,进行深入的理论分析和实验工作。本文根据飞轮储能系统储能密度300 Wh/kg等主要技术指标要求,通过理论计算与ANSYS软件分析相结合的方法,得出
随着社会经济与科技的高度发展,工业生产也逐步地向高速化、智能化方向发展,基于机器视觉的全自动智能灯检机定会取代人工灯检成为未来医药生产的必然趋势所在。但智能灯检机
5G的三大类场景中,尤其是上行链路,移动互联网中大量应用如微博、即时通信,社交网络等顶层业务,以及大规模物联网中会产生大量的小数据包。这种小数据包业务面临两个问题,其
大规模矩阵数值计算是科学和工程中最常见和基本的问题。矩阵数值计算通常需要大量的计算资源,然而对于计算资源有限的客户来说,完成矩阵计算过于昂贵而无法完成。云计算为用
随着信息技术的不断向前发展,以及IT技术与传统行业互相碰撞与融合,促使当今的数据量出现爆发式增长,使得数据存储规模远远超过物理存储硬件的发展,给存储服务中心带来了巨大
研究背景和研究目的局部侵袭性是恶性胶质瘤的显著特征,不仅限制了治疗效果,也是肿瘤复发和预后不良的主要原因。因此,进一步探究侵袭性的分子机制尤为重要。越来越多的证据表明,热点突变p53具有促进肿瘤细胞迁移侵袭能力的获得性功能(gain-of-function,GOF)。在前期的研究中,我们发现人脑胶质瘤细胞中p53突变体的获得性功能可以调节GSK-3β,从而促进胶质瘤细胞的增殖。在本研究中,我们旨在
互联网的飞速发展,加速了全球化的趋势和地球村的形成。已有语言文字的界限不可避免的成为世界各族人民沟通和交流的一大障碍,世界迫切的呼唤新语言的出现。感受到当今无国界