基于结构特征学习字典的图像超分辨率研究
发布时间：2021-01-23 16:41
图像超分辨率重建技术是利用一幅或多幅低分辨图像重构出具有更丰富细节的高分辨图像,该技术对后续图像识别、分析和跟踪等处理有着重要作用,已广泛应用于卫星遥感、公共安全、医学成像和模式识别等领域。因此,深入研究图像超分辨率具有重要的理论意义和应用价值。目前,常用的超分辨率方法有基于插值、重建和学习的方法。基于学习中的基于稀疏表示的方法已成为解决超分辨率问题的热点研究方向,其关键在于学习字典的构建。近年来,图像的非局部自相似性作为一种先验信息,已被成功应用于图像去模糊、图像去噪和图像修复等领域。基于此,本文利用图像固有的非局部自相似性以及方向边缘特性,围绕构建表达能力强、鲁棒性好的学习字典展开研究,并将其应用于图像超分辨率。本文工作主要包括以下三个方面:1.学习和研究基于插值的、基于重建的和基于学习的三类超分辨率方法,并数值实现和对比分析了部分算法。2.提出一种基于方向边缘学习字典的图像超分辨率方法。首先构造一对具有边缘方向特性的模板对图像块聚类;然后分别对每一类图像块采用K-SVD算法训练字典,获得两对方向边缘字典;最后结合稀疏编码实现图像超分辨率重建。实验结果表明,该方法可恢复出更好的边缘...
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
(x)函数和函数图像比较
(c) 双线性插值 (d) 双三次插值图 7 三种插值算法对 Butterfly 图像 2 倍重建结果而言之，基于插值的 SR 重建方法主要利用 LR 图像自身信息来估计 HR像素的值。该类方法超分原理简单、实现速度快，但是所采用的先验假设，导致重建出的图像高频信息有限，往往并不能满足更好的视觉要求。于重建的超分辨率重建方法于重建的方法分为频域法和空域法。频域法理论简单且便于实现，但受到无法利用空间域信息的制约，使其不利于实际应用。空域法可以较好地引息，对于经过复杂退化模型的 LR 图像也可以较好地重建出来。下面重点性的空域法。迭代反向投影法
(c)IBP 重建 (d) POCS 重建图 11 Butterfly 图像的 POCS 重建结果之，IBP 方法和 POCS 方法以退化模型为前提，利用图像一致性进行超分重建，多用于静态场景下的多幅图像 SR 重建。习的超分辨率重建方法习的 SR 方法是挖掘训练样本集与测试样本之间的匹配关系，通得先验知识重建 HR 图像[52]。型的是基于示例的方法、基于邻域嵌入(Neighbor Embedding, NE的方法。2002 年 Freeman 等人[11]提出基于示例的 SR 重建方法模型建立 HR 和 LR 图像之间的关系。2004 年 Chang 等人提出[39]，借鉴了流形学习中的局部线性嵌入思想，且假定 HR 和 LR
【参考文献】：
期刊论文
[1]基于角点保护的偏微分方程图像插值方法[J]. 肖志涛,冯铁君,张芳,耿磊,吴骏,李月龙,王丹钰,陈颖. 电子与信息学报. 2015(08)
[2]基于非局部稀疏编码的超分辨率图像复原[J]. 刘哲,杨静,陈路. 电子与信息学报. 2015(03)
[3]一种新的边缘保持局部自适应图像插值算法[J]. 孙春凤,袁峰,丁振良. 仪器仪表学报. 2010(10)
博士论文
[1]基于稀疏表示的图像去噪和超分辨率重建研究[D]. 李珅.中国科学院研究生院（西安光学精密机械研究所） 2014
[2]图像稀疏表示模型及其在图像处理反问题中的应用[D]. 孙玉宝.南京理工大学 2010
[3]基于视觉感知的影像质量评价方法研究[D]. 路文.西安电子科技大学 2009
硕士论文
[1]基于分类字典的图像超分辨率重建[D]. 陶吉瑶.西北大学 2016
[2]特征提取结合字典学习的超分辨率重建[D]. 李本元.西北大学 2015
[3]基于分类字典的稀疏表示的超分辨率重建算法研究[D]. 吴学毅.华南理工大学 2013
[4]基于特征图像分类以及稀疏表示的超分辨率重建[D]. 谢静苑.南京邮电大学 2013
[5]超分辨率图像重建算法研究[D]. 董理.华南理工大学 2011
[6]基于稀疏表示的图像超分辨率重建算法研究[D]. 宋慧慧.中国科学技术大学 2011
本文编号：2995552
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
(x)函数和函数图像比较
(c) 双线性插值 (d) 双三次插值图 7 三种插值算法对 Butterfly 图像 2 倍重建结果而言之，基于插值的 SR 重建方法主要利用 LR 图像自身信息来估计 HR像素的值。该类方法超分原理简单、实现速度快，但是所采用的先验假设，导致重建出的图像高频信息有限，往往并不能满足更好的视觉要求。于重建的超分辨率重建方法于重建的方法分为频域法和空域法。频域法理论简单且便于实现，但受到无法利用空间域信息的制约，使其不利于实际应用。空域法可以较好地引息，对于经过复杂退化模型的 LR 图像也可以较好地重建出来。下面重点性的空域法。迭代反向投影法
(c)IBP 重建 (d) POCS 重建图 11 Butterfly 图像的 POCS 重建结果之，IBP 方法和 POCS 方法以退化模型为前提，利用图像一致性进行超分重建，多用于静态场景下的多幅图像 SR 重建。习的超分辨率重建方法习的 SR 方法是挖掘训练样本集与测试样本之间的匹配关系，通得先验知识重建 HR 图像[52]。型的是基于示例的方法、基于邻域嵌入(Neighbor Embedding, NE的方法。2002 年 Freeman 等人[11]提出基于示例的 SR 重建方法模型建立 HR 和 LR 图像之间的关系。2004 年 Chang 等人提出[39]，借鉴了流形学习中的局部线性嵌入思想，且假定 HR 和 LR
【参考文献】：
期刊论文
[1]基于角点保护的偏微分方程图像插值方法[J]. 肖志涛,冯铁君,张芳,耿磊,吴骏,李月龙,王丹钰,陈颖. 电子与信息学报. 2015(08)
[2]基于非局部稀疏编码的超分辨率图像复原[J]. 刘哲,杨静,陈路. 电子与信息学报. 2015(03)
[3]一种新的边缘保持局部自适应图像插值算法[J]. 孙春凤,袁峰,丁振良. 仪器仪表学报. 2010(10)
博士论文
[1]基于稀疏表示的图像去噪和超分辨率重建研究[D]. 李珅.中国科学院研究生院（西安光学精密机械研究所） 2014
[2]图像稀疏表示模型及其在图像处理反问题中的应用[D]. 孙玉宝.南京理工大学 2010
[3]基于视觉感知的影像质量评价方法研究[D]. 路文.西安电子科技大学 2009
硕士论文
[1]基于分类字典的图像超分辨率重建[D]. 陶吉瑶.西北大学 2016
[2]特征提取结合字典学习的超分辨率重建[D]. 李本元.西北大学 2015
[3]基于分类字典的稀疏表示的超分辨率重建算法研究[D]. 吴学毅.华南理工大学 2013
[4]基于特征图像分类以及稀疏表示的超分辨率重建[D]. 谢静苑.南京邮电大学 2013
[5]超分辨率图像重建算法研究[D]. 董理.华南理工大学 2011
[6]基于稀疏表示的图像超分辨率重建算法研究[D]. 宋慧慧.中国科学技术大学 2011
本文编号：2995552
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2995552.html
