多幅图像的快速超分辨率重建方法研究

发布时间：2017-05-08 08:05

  本文关键词：多幅图像的快速超分辨率重建方法研究，由笔耕文化传播整理发布。

【摘要】：图像的超分辨率重建技术是指利用一组低质量、低分辨率图像来产生单幅高质量、高分辨率图像。超分辨率重建技术在军事侦查、医疗诊断、数字电视和智能交通领域具有很高的研究价值和深远的影响。根据同一场景下的图像序列包含不同细节信息重建高分辨率图像是目前研究的热点,由于多幅图像的超分辨率重建过程相对单幅重建比较复杂,因而重建速度慢,围绕这个问题,本文开展了深入研究,主要研究内容包括：1、研究改进的字典聚类算法,引入粒子群聚类算法对训练字典进行聚类,应用到单幅图像的超分辨率重建中,实验表明粒子群聚类算法能够加快稀疏表示,实现单幅图像的快速重建,为多幅图像的快速超分辨率重建打下基础。2、构造了基于粒子群聚类的多幅图像超分辨率重建算法。该算法主要是在稀疏表示超分辨率重建框架下,引入粒子群聚类算法对字典进行聚类,再对每幅低分辨率图像进行稀疏表示超分辨重建,然后使用PCA融合方式进行融合,进而得到多幅图重建结果。通过引入粒子群聚类加速低分辨率图像子块的稀疏分解,从而加快整个超分辨率的重建速度。实验表明,粒子群聚类算法在不降低重建质量的同时,可以大大减少重建时间。3、提出了基于稀疏系数融合的多幅图像快速超分辨率重建算法。考虑到传统的PCA融合方法在重建速度上有待提高,采用对每幅低分辨率图进行稀疏表示,获得多个稀疏表示系数,利用取大值的融合规则对系数进行融合,再将粒子群聚类引入字典训练中,最后利用融合后的稀疏表示系数与聚类后的高分辨率字典得到超分辨率重建结果,实验表明基于稀疏系数融合的超分辨率重建在保证重建质量的同时能够提升重建速度,实现多幅图像快速超分辨率重建。
【关键词】：稀疏表示 PCA融合 粒子群聚类 系数融合
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 绪论8-13
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-11
• 1.3 本文研究内容及结构安排11-13
• 第二章 稀疏表示超分辨率重建理论13-24
• 2.1 信号的稀疏表示理论13-17
• 2.1.1 压缩感知理论13-14
• 2.1.2 稀疏表示14-15
• 2.1.3 过完备字典训练15-17
• 2.2 稀疏表示超分辨率重建17-21
• 2.2.1 重建模型17-18
• 2.2.2 重建算法描述18-20
• 2.2.3 实验结果与分析20-21
• 2.3 图像重建质量评价指标21-23
• 2.3.1 主观评价方法21-22
• 2.3.2 客观评价方法22-23
• 2.4 本章小结23-24
• 第三章 基于粒子群聚类的多幅图像超分辨率重建24-37
• 3.1 粒子群聚类算法简介24-26
• 3.2 基于粒子群聚类的单幅图像超分辨率重建26-30
• 3.2.1 单幅图像超分辨率重建框架26-27
• 3.2.2 基于粒子群聚类的单幅超分辨率重建27
• 3.2.3 实验结果与分析27-30
• 3.3 基于粒子群聚类的多幅图像超分辨率重建30-36
• 3.3.1 多幅图像稀疏表示超分辨率重建框架30-34
• 3.3.2 基于粒子群聚类的多幅图像超分辨率重建34
• 3.3.3 实验结果与分析34-36
• 3.4 本章小结36-37
• 第四章 基于稀疏系数融合的多幅图像快速超分辨率重建37-49
• 4.1 稀疏系数融合方法介绍37-39
• 4.2 算法重建流程39-41
• 4.2.1 稀疏系数融合多幅图像超分辨率重建框架40
• 4.2.2 稀疏系数融合与PCA融合重建原理比较40-41
• 4.2.3 PSO聚类与K-means聚类原理比较41
• 4.3 实验结果与分析41-48
• 4.4 本章小结48-49
• 第五章 总结与展望49-51
• 5.1 论文总结49-50
• 5.2 工作展望50-51
• 参考文献51-56
• 申请学位期间的研究成果及发表的学术论文56-57
• 致谢57

【相似文献】

中国期刊全文数据库 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

中国重要会议论文全文数据库 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

中国博士学位论文全文数据库 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 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

6 范冲;三线阵影像超分辨率重建[D];中南大学;2007年

7 张小红;视频去运动模糊及超分辨率研究[D];浙江大学;2012年

8 江涛;同视域多帧视觉影像超分辨率重建技术研究[D];山东科技大学;2005年

9 郭晓新;超分辨率重建问题的研究[D];吉林大学;2005年

10 韩玉兵;图像及视频序列的超分辨率重建[D];东南大学;2006年

中国硕士学位论文全文数据库 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 刘鹏;压缩自编码字典下的多机制邻域嵌入超分辨率重建算法[D];华南理工大学;2015年

3 蒋晓慧;自适应正则化超分辨率重建方法的研究[D];苏州大学;2015年

4 杨国珂;基于压缩传感的图像分辨率重构方法和应用[D];江西理工大学;2015年

5 周才发;基于流形对齐的WLAN室内定位方法研究[D];哈尔滨工业大学;2015年

6 陈果;单一医学视频时空超分辨率算法研究[D];北京理工大学;2015年

7 李靖;基于压缩感知的超分辨率理论与技术研究[D];电子科技大学;2015年

8 黎媛;基于超分辨率的多视角混合分辨率视频描述的关键技术研究[D];电子科技大学;2015年

9 罗国中;面向低质量视频的目标对象的超分辨率重建技术研究[D];国防科学技术大学;2013年

10 李华阳;手部深度图像去噪与超分辨率方法研究[D];北京工业大学;2015年

  本文关键词：多幅图像的快速超分辨率重建方法研究，由笔耕文化传播整理发布。

本文编号：350743