基于岭回归的图像超分辨率算法研究

发布时间：2021-12-23 01:42

　　高分辨率（high-resolution）图像（简称HR）具备清晰的图像细节,通常用于临床医学、计算机视觉、空间科学的实际应用。但是受限于硬件设备、成像技术、环境干扰因素以及网络带宽等,我们获得的图像分辨率往往并不理想,达不到要求的分辨率。使用硬件来提高图像分辨率通常需要更高的代价,因此从算法方面提高分辨率的技术即图像超分辨率（super-resolution）技术便应运而生。本文主要研究基于输入的一幅低分辨率（low-resolution）图像（简称LR）,利用软件算法获得图像高频信息的技术,也就是单幅图像超分辨率重建技术（简称SISR,single image super-resolution）。目前SISR方法可分为三大类:基于插值的SISR方法、基于重建的SISR方法和基于学习的SISR方法。基于插值的SISR方法通常使用插值点周围的已知像素点的像素值来估计当前点的像素值,这种方法简单且快速。基于重建的SISR方法则根据结合了一些先验知识的图像降质模型进行重构HR。基于学习的SISR方法则通过离线训练学习HR和LR块之间的映射。在线重建阶段根据已训练的映射关系对LR块执行超分辨... 

【文章来源】：浙江师范大学浙江省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

本章所提算法流程图

Butterfly的五种超分辨率方法的主观视觉对比：(a)为原始图像，(b)为Bi-cubic

本章所提方法的离线训练流程图

【参考文献】：
博士论文
[1]基于学习的图像超分辨率重建算法研究[D]. 廖秀秀.华南理工大学 2013

硕士论文
[1]基于插值和邻域嵌入的图像超分辨率算法研究[D]. 赵頔.浙江师范大学 2017



本文编号：3547526