基于邻域信息学习的视频超分辨率重建研究
发布时间：2021-03-05 05:36
高分辨率视频能够为目标或场景提供更多的细节,而这些细节在安防、医学和遥感等涉及识别、理解与分析的领域有着不可或缺的作用。因此,对于视频超分辨率重建技术展开深入研究具有重要的理论研究意义和实际应用价值。本文重点围绕基于稀疏表示的视频超分辨率重建方法展开研究,提出了引入邻域先验信息的学习字典训练方法,并将该学习字典应用于视频超分辨率重建,有效提高视频超分辨率重建质量;进一步针对噪声对视频的影响,提出引入低秩矩阵分解融合邻域先验信息的方法提高视频帧的分辨率。本文的工作主要体现在以下三个方面:（1）学习并研究了几种经典的的超分辨率重建方法,主要包括基于小波变换方法、基于插值方法和基于稀疏表示方法等,并且分别进行了数值实现和实验结果的对比分析。（2）提出一种引入邻域先验信息的训练样本集构建方法,该方法首先提取待超分视频帧的特征点,并以特征点为中心取块;其次筛选邻域帧中对应待超分视频帧特征点附近的结构相似块;最后将待超分视频帧内和邻域帧内以特征点为中心的结构相似图像块组成训练样本集合。基于上述结构相似图像块组成的训练样本集合训练融合了邻域先验信息的学习字典,并将其应用于视频的超分辨率重建。实验结果...
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
三种插值方法超分3倍实验结果对比
图 8 某植物图像数据库部分图像建 HR/LR 训练样本集构建 HR/LR 训练样本集时是以 HR/LR 图像之间的差异作为重点。通过特方式，以便更好地构建能够表征出 HR/LR 图像之间差异的训练样本集，且 H集是一一对应成对出现的。构造 LR 训练样本：a）对 HR 图像下采样获得 LR 图像，下采样倍数直接决字典超分时的放大倍数。为了更好的提取出 LR 图像的特征，建立 LR 与 间的对应关系，将 LR 图像上采样得到超分后与 HR 图像大小相同的中间分iddle-Resolution，MR）图像。b）对 MR 图像重叠取块（块的大小为 5*5）。定的块大小不同，可直接影响字典原子的大小，同时影响算法效率。c）使14）所示梯度滤波器对 MR 图像块提取特征，提取的特征能为图像重建提供预测信息。 1 1 2 3 4 31,0,1 , , 1,0, 2,0,1 ,T Tf f f f f f（2
优的 HR 图像 X ：2 202 2arg minXX SHX Y c X X 1 0T Tt t tX X H S Y SHX c X X 下采样因子，H 表示模糊因子。式（2.24）为梯度下降法（a） LR 图像 （b）HR 图像
本文编号：3064669
【文章来源】：西北大学陕西省 211工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
三种插值方法超分3倍实验结果对比
图 8 某植物图像数据库部分图像建 HR/LR 训练样本集构建 HR/LR 训练样本集时是以 HR/LR 图像之间的差异作为重点。通过特方式，以便更好地构建能够表征出 HR/LR 图像之间差异的训练样本集，且 H集是一一对应成对出现的。构造 LR 训练样本：a）对 HR 图像下采样获得 LR 图像，下采样倍数直接决字典超分时的放大倍数。为了更好的提取出 LR 图像的特征，建立 LR 与 间的对应关系，将 LR 图像上采样得到超分后与 HR 图像大小相同的中间分iddle-Resolution，MR）图像。b）对 MR 图像重叠取块（块的大小为 5*5）。定的块大小不同，可直接影响字典原子的大小，同时影响算法效率。c）使14）所示梯度滤波器对 MR 图像块提取特征，提取的特征能为图像重建提供预测信息。 1 1 2 3 4 31,0,1 , , 1,0, 2,0,1 ,T Tf f f f f f（2
优的 HR 图像 X ：2 202 2arg minXX SHX Y c X X 1 0T Tt t tX X H S Y SHX c X X 下采样因子，H 表示模糊因子。式（2.24）为梯度下降法（a） LR 图像 （b）HR 图像
本文编号：3064669
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3064669.html
