基于压缩传感的图像超分辨率重构方法和应用

来源 :江西理工大学 | 被引量 : 0次 | 上传用户:lcy38
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
本文研究了一种基于压缩传感的图像超分辨率重构方法。此方法在基于压缩传感的分块超分辨率重构方法的基础上,加入了自适应 TV法去噪和反投影迭代法(iterative back-projection,IBP)去模糊的后处理流程,来解决分块超分辨率重构图像的块效应问题。引入后处理流程后,分块超分辨率重构的图像质量与经典插值算法相比更高,即重构信噪比更高。  在后处理流程中,先将分块重构图像的块效应当成噪声,采用自适应TV去噪法处理。虽然此时图像质量有所提高,但因为 TV法去噪是对图像的全局处理,在处理噪声像素的同时也对无噪声像素进行处理,这使得 TV法去噪后的图像更模糊。于是,继续采用反投影迭代法(iterative back-projection,IBP)优化图像,提高重构图像的质量。  另外,本文对图像分块超分辨率重构中的压缩传感算法——正交匹配追踪(Orthogonal Matching Pursuit,OMP)重构算法提出改进。结合OMP算法与最速下降法得到了一种改进算法。仿真实验结果表明,同维数的图像重构过程当中,新算法在提高重构质量的同时,还可以提高重构速度,且保留了贪婪算法易于实现的优点。但应用在图像的超分辨率分块重构当中,因为受到超分辨率过程中使用的固定形式的等间距降采样矩阵的限制,改进算法与OMP算法得到的效果相当。  最后将本文提出的后处理流程应用到彩色图像的超分辨率重构中,与经典的插值算法相比同样得到更好的重构质量。
其他文献
随着微电子技术、计算技术以及无线通信技术的进步,低功耗多功能的传感器得到了快速的发展,而且无线传感器网络已经被广泛地应用。数据聚集是无线传感器网络应用中一项重要的
领域术语自动抽取是自然语言处理中的一项重要任务,特别是中文术语的自动抽取是中文信息处理的一项基础性的课题,术语抽取可以应用到领域本体构建、专业搜索、文本分类、类语言
毛发建模、渲染绘制及运动模拟是毛发模拟中相互独立而又密切相关的三个方面。近年来,人们在毛发模拟方面取得了许多突破性的进展,特别是在渲染绘制算法及复杂发型建模方面提
随着计算机技术在各类电子产品当中的广泛应用,嵌入式系统作为一种实用,高效的计算机系统,不断地得到广泛的开发与应用。目前嵌入式产品已经形成了非常广泛的市场,对于供应商
随着传感技术、通信技术和计算机技术的飞速发展以及微型机电系统的日益成熟与完善,无线传感器网络已广泛应用到许多领域。传感器网络的覆盖问题是无线传感器网络研究和应用
随着Internet技术的发展,社会的信息化程度进一步提高,越来越多的面向海量数据管理的大型应用(如流媒体、大型中央平台等)不断涌现。传统的DAS体系结构下的存储系统已经远远
用户管理是企业信息网格不可缺少的部分,能否对网格中的用户进行有效地管理将影响到网格稳定运行及其自身的发展。目前网格用户管理的研究均偏重于网格环境下的安全通信、安
随着FTP访问数量的激增和动态性能的提高,单个FTP服务器已不堪重负,服务运行的高效性和处理海量请求的伸缩性更是无从谈起,一般采用集群或分布式技术来解决这一问题,采用集群技术
随着本体在各个领域的广泛应用,不同本体之间的共享逐渐成为本体研究的一个重点,当前影响本体共享的一个瓶颈问题是本体异构,例如语义异构、结构异构等,而在众多解决异构本体共享
随着计算机网络技术特别是Internet的迅猛发展,网络中传输和存储的电子数据的机密性、完整性和鉴别问题已成为人们关注的一个重要课题。密码技术是是信息安全的核心技术,自Sh