当前位置:主页 > 科技论文 > 软件论文 >

基于自相似性的单幅图像超分辨率重建算法研究

发布时间:2018-09-10 18:05
【摘要】:由于硬件设备和环境等因素的限制,很多情况下,我们采集到的图像分辨率并不理想。如果通过改进硬件设备或改善图像的采集环境来提高图像的分辨率,代价可能比较高甚至是不现实的。所以通过用软件的方法来对图像的分辨率进行提高就成为一种实际可行的方法。超分辨率重建技术,就是利用数字图像处理的技术对单幅低分辨率图像,或者同一场景下的多幅低分辨率图像,进行高频细节信息的重建。该技术在视频监控、医学成像、卫星遥感等方面有着广阔的应用前景。本文围绕基于学习的单幅图像的超分辨率重建技术,对基于稀疏表示与字典学习的算法作了系统深入的研究,并提出了利用自相似性与字典邻域进行重建的算法。本文的主要内容有:首先对当前流行的超分辨率重建算法进行了概述,由于传统的基于插值和重建的方法的自身的局限性,很难有新的突破,因此我们重点对基于学习的超分辨率技术进行了研究,并对各个算法进行了比较,从而有助于后续算法的选择。其次对当前热门的稀疏表示理论进行了深入的探讨,从样本的选择,字典的训练,以及参数的调整进行了研究,其中对于稀疏参数的选择,字典原子的建立做了重点研究。最后在前文研究的基础上,提出了基于图像自相似性与字典邻域的超分辨率重建算法。该算法无需外部图像作为训练集,而是利用输入图像本身自身尺度,以及不同尺度下图像的自相似性构建一个图像金字塔,进而获得高低分辨率的图像集合。利用这个集合训练字典,并对每一个字典基元构造字典邻域,对输入图像的每一个图像块选择最相近的字典邻域,从而重建超分辨率图像。这样可以很好的解决图像的自适应问题。实验结果表明,无论在客观数据PSNR还是在人眼主观视觉方面,该算法的重建效果较以往算法均有所提高,同时对空间的要求也有所降低。
[Abstract]:Because of the limitation of hardware and environment, in many cases, the resolution of the image collected by us is not satisfactory. If we improve the resolution of the image by improving the hardware equipment or the environment of image acquisition, the cost may be high or even unrealistic. So it is a practical method to improve the resolution of image by software. Super-resolution reconstruction technology is to use the digital image processing technology to reconstruct high-frequency detail information from a single low-resolution image or multiple low-resolution images in the same scene. This technology has a broad application prospect in video surveillance, medical imaging, satellite remote sensing and so on. This paper focuses on the super-resolution reconstruction technology of a single image based on learning. The algorithms based on sparse representation and dictionary learning are systematically and deeply studied, and an algorithm based on self-similarity and dictionary neighborhood reconstruction is proposed. The main contents of this paper are as follows: firstly, the popular super-resolution reconstruction algorithms are summarized. Due to the limitations of the traditional methods based on interpolation and reconstruction, it is difficult to make a new breakthrough. Therefore, we focus on the study of Learn-based super-resolution technology, and compare the various algorithms, which is helpful to the selection of subsequent algorithms. Secondly, the popular sparse representation theory is deeply discussed, including the selection of samples, the training of dictionaries, and the adjustment of parameters, among which the selection of sparse parameters and the establishment of dictionary atoms are studied emphatically. Finally, a super-resolution reconstruction algorithm based on image self-similarity and dictionary neighborhood is proposed. Instead of using external images as training sets, the algorithm constructs an image pyramid by using the input image itself and the self-similarity of the image at different scales to obtain the image set with high or low resolution. The dictionary is trained by this set, and the dictionary neighborhood is constructed for each dictionary primitive, and the nearest dictionary neighborhood is selected for each image block of the input image to reconstruct the super-resolution image. This can solve the problem of image adaptation. The experimental results show that both the objective data PSNR and the subjective vision of human eyes, the reconstruction effect of the algorithm is improved compared with the previous algorithms, and the requirements for space are also reduced.
【学位授予单位】:山东大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP391.41

【相似文献】

相关期刊论文 前10条

1 苏秉华,金伟其,牛丽红,刘广荣;超分辨率图像复原及其进展[J];光学技术;2001年01期

2 谭兵,徐青,耿则勋,邢帅;超分辨率图象重建技术发展现状[J];信息工程大学学报;2003年04期

3 钟山,沈振康;图像静态超分辨率重建[J];红外与毫米波学报;2004年02期

4 王勇,郑辉,胡德文;视频的超分辨率增强技术综述[J];计算机应用研究;2005年01期

5 焦斌亮;赵文蕾;;浅析互有位移图像序列的超分辨率复原[J];遥测遥控;2006年01期

6 袁建华;殷学民;邹谋炎;;一种有效的超分辨率重建计算方法[J];中国科学院研究生院学报;2006年04期

7 张地;何家忠;彭宏;;低分辨率人脸序列的超分辨率重构识别[J];韶关学院学报;2007年06期

8 梁立恒;邢立新;姜红艳;王明常;;高保真影像超分辨率重建应用研究[J];吉林大学学报(地球科学版);2007年S1期

9 郑丽贤;何小海;吴炜;杨晓敏;陈默;;基于学习的超分辨率技术[J];计算机工程;2008年05期

10 浦剑;张军平;黄华;;超分辨率算法研究综述[J];山东大学学报(工学版);2009年01期

相关会议论文 前10条

1 潘明海;刘永坦;赵淑清;徐佳祥;干恒富;;一种多运动目标的超分辨率检测算法[A];第九届全国信号处理学术年会(CCSP-99)论文集[C];1999年

2 李兵兵;陆耀;王晓明;李劲娴;;基于金字塔回归策略的人脸超分辨率[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年

3 戴光智;陈铁群;薛家祥;;基于微扫描技术焊缝超声图像的超分辨率重建[A];第十七届全国测控计量仪器仪表学术年会(MCMI'2007)论文集(上册)[C];2007年

4 郑杰;韩梅;;基于微位移的超分辨率重建技术[A];2008'中国信息技术与应用学术论坛论文集(一)[C];2008年

5 张光昭;胡敬炉;谢泽明;;超分辨率亚毫米波付里叶变换谱[A];第四届全国波谱学学术会议论文摘要集[C];1986年

6 缪泓;徐海明;;微平移序列图像的超分辨率重建技术[A];中国力学学会学术大会'2009论文摘要集[C];2009年

7 徐启飞;颜刚;陈武凡;;关于序列图像的超分辨率重建算法[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)[C];2007年

8 徐忠强;朱秀昌;;基于正则算法的压缩视频超分辨率重建[A];第十三届全国图象图形学学术会议论文集[C];2006年

9 池小梅;马建伟;黄景涛;;基于压缩传感的超分辨率红外成像研究[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年

10 黄华;何惠婷;;一种基于CCA空间超分辨率的人脸识别方法[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年

相关博士学位论文 前10条

1 傅罡;多源遥感数据的道路提取方法研究[D];清华大学;2014年

2 巴拉卡,雅各布Maiseli(Baraka Jacob Maiseli);基于正则化的非线性扩散模型的超分辨率方法[D];哈尔滨工业大学;2015年

3 王晓峰;基于样本学习的人脸超分辨率重建技术研究[D];华中科技大学;2015年

4 岳焕景;面向云媒体的图像处理研究[D];天津大学;2015年

5 杨琛;提高集成成像与集成全息系统成像质量方法的研究[D];西安电子科技大学;2015年

6 何蕾;基于稀疏表达的连分式插值核的图像/视频超分辨率重建方法研究[D];合肥工业大学;2015年

7 樊程广;超声相控阵超分辨率成像方法研究[D];国防科学技术大学;2014年

8 袁建华;超分辨率重建中若干问题的研究[D];中国科学院研究生院(电子学研究所);2006年

9 范冲;三线阵影像超分辨率重建[D];中南大学;2007年

10 张小红;视频去运动模糊及超分辨率研究[D];浙江大学;2012年

相关硕士学位论文 前10条

1 李智盛;压缩传感在超分辨率中的应用[D];清华大学;2011年

2 刘妮妮;基于(2D)~2PCA的低分辨率人脸识别[D];大连海事大学;2016年

3 唐欣;基于机器学习的多维数据压缩算法研究[D];上海交通大学;2015年

4 尚秀伟;多幅图像的快速超分辨率重建方法研究[D];北方工业大学;2016年

5 刘艳玲;阵列图像的超分辨率重建[D];北方工业大学;2016年

6 万丹凤;基于位置块的人脸超分辨率算法研究[D];北京理工大学;2016年

7 吕泽江;基于POCS算法的人脸检测研究[D];吉林大学;2016年

8 朱虹;基于压缩感知的超分辨率图像重建算法研究[D];西北师范大学;2015年

9 郭萌;基于改进POCS的红外弱小目标超分辨率复原算法研究[D];吉林大学;2016年

10 郭良;基于自相似性的单幅图像超分辨率重建算法研究[D];山东大学;2016年



本文编号:2235208

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2235208.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户79dbc***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com