基于稀疏字典的单幅图像超分辨率研究
发布时间:2022-07-14 15:16
众所周知,基于稀疏字典的图像超分辨率(Super Resolution,简称SR)方法可有效地从单个低分辨率图像(简称LR,Low Resolution)输入,重建得到高分辨率(简称HR,High Resolution)图像。一般的基于稀疏字典的SR方法总是将低分辨率字典中计算得到的稀疏表示系数直接作为高分辨率的稀疏表示系数,并利用高分辨率字典获得高分辨率图像。但是通过实验发现,高、低分辨率稀疏表示系数是不相同的,因此直接将低分辨率字典中计算得到的稀疏表示系数作为高分辨率的稀疏表示系数是不合适的。同时,通过观察一些SR方法获得的重建图像发现,虽然很多重建图像虽然得到了高分辨率的图像,但是图像中或多或少存在边缘部分的模糊。因此本文针对上述两个问题进行了研究,主要研究工作如下:(1)提出了一种基于神经网络的稀疏系数优化方法,对使用字典重建过程中的低分辨率字典的稀疏表示系数矩阵?l与实际高分辨率图像的稀疏表示系数矩阵?h进行训练,预测其误差,加以补偿使得给定图像超分辨率重建过程中的稀疏矩阵?更加接近实际值,以得到更好的重建图像。(2)提出了一种新的...
【文章页数】:64 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 章节安排
2 图像超分辨率基本理论
2.1 SR过程中的低分辨率图像获取过程
2.2 图像超分辨率的方法
2.2.1 基于插值的图像超分辨率方法
2.2.2 基于重建的图像超分辨率方法
2.2.3 基于学习的图像超分辨率方法
2.3 基于稀疏表示字典的图像超分辨率的优势
2.4 超分辨率算法研究中的图像质量评价标准
3 基于神经网络的稀疏系数优化的单幅图像超分辨率
3.1 数据集介绍
3.2 基于神经网络的稀疏系数优化的图像超分辨率方法
3.2.1 获取稀疏字典
3.2.2 获取训练集的稀疏表示系数及预处理
3.2.3 “抓娃娃”分类方法
3.2.4 优化网络训练
3.2.5 高分辨率图像重建
3.2.6 提出方法的算法步骤
3.3 实验结果与分析
4 基于结构张量约束和重建图像下采样约束的单幅图像超分辨率
4.1 数据集介绍
4.2 基于结构张量约束和重建图像下采样约束的单幅图像超分辨率方法
4.2.1 重建图像获取
4.2.2 基于结构张量边缘约束
4.2.3 基于重建图像下采样约束
4.2.4 提出方法的算法步骤
4.3 实验结果与分析
5 总结与展望
参考文献
攻读学位期间取得的研究成果
致谢
【参考文献】:
期刊论文
[1]图像超分辨率重建技术综述[J]. 王春霞,苏红旗,范郭亮. 计算机技术与发展. 2011(05)
硕士论文
[1]基于稀疏表示的图像超分辨率算法研究[D]. 戚河平.浙江师范大学 2019
[2]图像超分辨率重建和插值算法研究[D]. 张明.中国科学技术大学 2010
本文编号:3661376
【文章页数】:64 页
【学位级别】:硕士
【文章目录】:
摘要
ABSTRACT
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 章节安排
2 图像超分辨率基本理论
2.1 SR过程中的低分辨率图像获取过程
2.2 图像超分辨率的方法
2.2.1 基于插值的图像超分辨率方法
2.2.2 基于重建的图像超分辨率方法
2.2.3 基于学习的图像超分辨率方法
2.3 基于稀疏表示字典的图像超分辨率的优势
2.4 超分辨率算法研究中的图像质量评价标准
3 基于神经网络的稀疏系数优化的单幅图像超分辨率
3.1 数据集介绍
3.2 基于神经网络的稀疏系数优化的图像超分辨率方法
3.2.1 获取稀疏字典
3.2.2 获取训练集的稀疏表示系数及预处理
3.2.3 “抓娃娃”分类方法
3.2.4 优化网络训练
3.2.5 高分辨率图像重建
3.2.6 提出方法的算法步骤
3.3 实验结果与分析
4 基于结构张量约束和重建图像下采样约束的单幅图像超分辨率
4.1 数据集介绍
4.2 基于结构张量约束和重建图像下采样约束的单幅图像超分辨率方法
4.2.1 重建图像获取
4.2.2 基于结构张量边缘约束
4.2.3 基于重建图像下采样约束
4.2.4 提出方法的算法步骤
4.3 实验结果与分析
5 总结与展望
参考文献
攻读学位期间取得的研究成果
致谢
【参考文献】:
期刊论文
[1]图像超分辨率重建技术综述[J]. 王春霞,苏红旗,范郭亮. 计算机技术与发展. 2011(05)
硕士论文
[1]基于稀疏表示的图像超分辨率算法研究[D]. 戚河平.浙江师范大学 2019
[2]图像超分辨率重建和插值算法研究[D]. 张明.中国科学技术大学 2010
本文编号:3661376
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3661376.html
最近更新
教材专著