利用稀疏表示方法对图像进行去雾超分辨

发布时间：2021-05-18 20:04

　　随着科技的不断进步,人们进入了信息时代。数字图像作为一种信息传播的重要形式,其分辨率的高低以及一些浑浊的介质会影响人们获取图像中的信息。在现实世界中,有非常多的因素会影响图像的分辨率,如快门、散弹噪声、抖动、衍射极限、传感器、聚焦、颜色混叠等。在物体成像中也存在着很多浑浊的介质,如水滴、颗粒、烟雾等。这些因素和介质都会导致图像的分辨率降低,以及图像中的部分信息丢失,因此,提高图像的分辨率和去除图像中的雾就显得尤为重要。当成像设备与成像环境均不够完善时,采用数学算法提高图像质量,即利用稀疏表示方法对图像进行去雾超分辨,这样做的优点是既不受硬件设备和环境条件的限制,还能使成本降低,具有广阔的应用前景。稀疏表示理论在图像处理方面的应用备受关注,如图像去噪、人脸识别、图像超分辨率重建等。通过训练字典可以将图像补丁稀疏表示,再用最少的原子代表图像补丁,准确获取图像的纹理特征信息。本文的创新点在于利用稀疏表示方法对图像进行超分辨的同时又加入了对图像去雾的研究,得出的图片效果要好于单独去雾和单独超分辨的图像。本文主要研究内容如下:1.利用超完备字典中适当选择的元素稀疏线性组合表示图像补丁。由此为每个... 

【文章来源】：浙江海洋大学浙江省

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究的背景及意义
    1.2 国内外研究现状及分析
        1.2.1 稀疏表示算法研究现状
        1.2.2 图像去雾研究现状
        1.2.3 图像超分辨的研究现状
    1.3 论文的主要研究工作及结构安排
        1.3.1 主要研究工作
        1.3.2 结构安排
第二章 基础理论及应用研究
    2.1 图像超分辨率重建的理论基础
        2.1.1 图像退化模型
        2.1.2 超分辨重建方法概述
    2.2 用稀疏表示进行图像处理
        2.2.1 信号稀疏表示模型
        2.2.2 稀疏表示的优化方法
        2.2.3 稀疏表示的字典学习
    2.3 图像去雾算法
        2.3.1 雾霾成像模型
        2.3.2 非物理去雾模型
        2.3.3 暗通道先验去雾算法
    2.4 图像质量评价方法
    2.5 本章小结
第三章 利用稀疏表示与暗通道方法对图像去雾处理
    3.1 利用稀疏表示方法对图像进行去噪
        3.1.1 算法步骤
    3.2 估计透射率
    3.3 优化透射率
    3.4 估计大气光
    3.5 实验结果及分析
    3.6 本章小结
第四章 图像去雾后利用稀疏表示进行超分辨处理
    4.1 引言
    4.2 超分辨重构过程
    4.3 特征提取算法
    4.4 联合字典训练
    4.5 正则化方法自适应选择
    4.6 仿真实验
    4.7 图像去雾后进行超分辨处理效果
    4.8 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 展望
参考文献
致谢
在读期间发表的学术论文及研究成果


【参考文献】：
期刊论文
[1]稀疏表示遥感图像超分辨重建[J]. 刘越,朱福珍,丁群.  黑龙江大学自然科学学报. 2018(06)
[2]基于匹配追踪法的信号分解方法研究[J]. 王猛,张若伟,尹扬帆.  电脑知识与技术. 2018(36)
[3]基于小波变换的SAR图像海洋内波特征提取[J]. 郭薇,王亚波,汤琦璇.  中国科技信息. 2018(24)
[4]基于学习的图像超分辨重建方法综述[J]. 李云红,王珍,张凯兵,章为川,闫亚娣.  计算机工程与应用. 2018(15)
[5]数字图像处理技术的应用与发展[J]. 刘印.  信息与电脑(理论版). 2018(14)
[6]基于多尺度几何分析的雾天图像清晰化算法[J]. 郭瑞,党建武,沈瑜,刘成.  激光与光电子学进展. 2018(11)
[7]改进的异质大气光估计的图像去雾算法[J]. 余朋,文小琴,汪兆栋,贺乐.  计算机工程与设计. 2018(03)
[8]局部线性嵌入的快速单幅图像超分辨率技术[J]. 姜杰,刘哲,吕林涛.  红外技术. 2018(01)
[9]基于双层字典学习的低剂量CT图像重建算法[J]. 朱雪茹,李勇明,李传明,李志超,王健,刘燕.  北京生物医学工程. 2017(06)
[10]基于牙科X光片的多种直方图均衡化图像增强对比[J]. 闫凯文.  光学仪器. 2017(06)

博士论文
[1]基于稀疏表示理论的图像去噪与融合算法研究[D]. 刘兆栋.重庆大学 2016

硕士论文
[1]基于稀疏表示的图像超分辨率算法的研究[D]. 楚亚南.长春理工大学 2018
[2]基于重构方法的图像超分辨研究[D]. 于晗.电子科技大学 2016
[3]稀疏表示下图像超分辨分析算法研究[D]. 李晓兵.哈尔滨工业大学 2014
[4]基于优化全局采样的图像抠取算法研究[D]. 程珺.北京交通大学 2014
[5]稀疏表示在单幅图像超分辨率重建中的应用研究[D]. 任广梅.电子科技大学 2012



本文编号：3194405