联合局部及非局部先验的单图像超分辨率算法

发布时间：2023-03-15 16:30

　　作为图像处理领域中的基本问题,超分辨率(Super-Resolution,SR)技术在许多实际场景有着广泛的运用,特别是在医学成像、遥感成像和影音娱乐等领域。图像SR技术能够在不升级现有采集设备的情况下,提高采集图像分辨率,改善图像画面质量。因此单图像SR问题本身的研究具有重要的实际意义。在传统的图像超分辨率技术中,通过对低分辨率(Low Resolution,LR)图像进行插值来获得高分辨图像(High Resolution,HR)。由于复杂度较低,基于插值的SR方法得到了广泛应用,但该方法效果不佳,生成的图像较为模糊。基于重建的SR方法是一类受到广泛关注的方法,相对而言具备较好的效果。此类方法的性能主要依赖于对图像先验信息的运用,但是,多数方法没有有效利用图像局部与非局部的先验信息,导致最终效果不佳。为了解决上述问题,本文研究了两个联合运用局部及非局部先验信息的图像SR算法:(1)提出了一种基于非局部全变分(Non-local Total Variation,NLTV)模型和引导核回归(Steering Kernel Regression,SKR)模型的图像超分辨率算法。首先,通过...

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 超分辨率技术研究背景及意义
    1.2 国内外研究现状
    1.3 本文的研究工作与章节安排
第二章 相关研究工作简介
    2.1 单图像超分辨率的基本理论模型
    2.2 常见的局部及非局部模型
        2.2.1 引导核回归模型
        2.2.2 非局部均值模型
        2.2.3 非局部全变分模型
        2.2.4 非局部引导核回归模型
        2.2.5 引导核回归合并非局部均值模型
    2.3 本章小结
第三章 基于非局部均值和总变分的单图像超分辨率算法
    3.1 自适应形状的NLM模型
    3.2 自适应形状的NLTV模型
    3.3 求解方法
    3.4 实验结果与分析
    3.5 本章小结
第四章 基于局部与非局部先验融合模型的单图像超分辨率算法
    4.1 改进的NLSKR模型
    4.2 联合应用ASNLM及I-NLSKR的重建模型及算法
    4.3 实验结果与分析
    4.4 本章小结
第五章 总结与展望
    5.1 论文工作总结
    5.2 研究展望
参考文献
致谢
攻读硕士学位期间的研究成果



本文编号：3762876