基于回归和稀疏表示的图像超分辨率重建算法研究

发布时间：2021-06-21 21:05

　　单帧图像的超分辨率重建（SR）是图像处理与计算机视觉中的一个热点问题,旨在从输入的低分辨率（LR）图像中恢复高分辨率（HR）图像.该技术在生物识别,医学影像诊断和遥感图像检测等领域具有广泛的应用.本文基于稀疏表示理论和神经网络的逼近原理,进行了基于前馈神经网络和聚类的图像超分辨率重建算法研究、基于自适应稀疏表示和自学习的超分辨率重建算法研究,基于自适应稀疏表示和半耦合字典学习的图像超分辨率重建算法研究.具体研究内容如下:1.基于回归的图像超分辨率重建问题的关键在于建立高、低分辨率图像补丁之间的一种映射关系,以此获得较好的重建效果.鉴于神经网络强大的非线性逼近能力,并结合聚类的思想,本文提出一种新的基于二维反向传播算法（2D-BP）的超分辨率重建算法.首先,我们将低分辨率图像的特征空间聚类为几个子空间,并对相应的高分辨率子空间分组.根据在聚类过程中学习到的补丁的局部几何性质,每个聚类中心从整个特征空间中收集大量的相邻的特征子集组成新的特征子空间.其次,构造二维前向神经网络来学习每个子空间中高、低分辨率特征之间的映射关系.对比实验显示,本文所提的方法具有较好的重构效果.2.本文提出了一种基... 

【文章来源】：中国计量大学浙江省

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 图像超分辨率研究现状
    1.3 本文主要工作及结构安排
2 基础知识
    2.1 图像的观测模型
    2.2 信号稀疏表示模型
    2.3 单隐层前馈神经网络及其学习算法
    2.4 评价指标
    2.5 本章小结
3 基于前馈神经网络和聚类的图像超分辨率重建算法
    3.1 引言
    3.2 基于误差反传的单隐层的前馈神经网络模型
    3.3 基于前馈神经网络和聚类的图像超分辨率重建方法
        3.3.1 特征提取和聚类
        3.3.2 训练和测试阶段
    3.4 实验结果与分析
    3.5 本章小结
4 基于自适应稀疏表示和自学习的图像超分辨率重建算法
    4.1 引言
    4.2 所提出的SL-ASR超分辨率重建方法
        4.2.1 基于自适应稀疏表示的优化模型
        4.2.2 SL-ASR方法的模型求解
    4.3 实验结果和分析
    4.4 本章小结
5 基于自适应稀疏表示和半耦合字典学习的超分辨率重建算法
    5.1 引言
    5.2 所提出的ASC-SCDL超分辨率重建方法
        5.2.1 基于自适应稀疏表示的半耦合字典学习
        5.2.2 训练阶段
        5.2.3 重建阶段
    5.3 实验结果与分析
    5.4 本章小结
6 结论与展望
    6.1 研究结论
    6.2 研究展望
参考文献
作者简历


【参考文献】：
期刊论文
[1]基于非局部相似性和分类半耦合字典学习的超分辨率重建[J]. 杨爱萍,钟腾飞,何宇清.  天津大学学报(自然科学与工程技术版). 2015(01)



本文编号：3241400