特征提取结合字典学习的超分辨率重建

发布时间：2017-03-21 10:00

  本文关键词：特征提取结合字典学习的超分辨率重建，由笔耕文化传播整理发布。

【摘要】：图像超分辨率重建是一门从退化的低分辨率图像获取原始高分辨率图像的技术,在数字图像处理技术领域中占有重要的地位。图像超分辨率重建技术不需要改变现有的物理设备,而是运用数字信号处理技术实现图像分辨率的提高,达到克服硬件精度不够及节省硬件成本的目的。目前,图像超分辨率重建技术被广泛地应用于遥感监测、高清数字电视、医学成像和公共安全等领域。目前,图像超分辨率重建方法主要包含基于插值、基于重建和基于学习的三类方法。近年来,随着稀疏表示和矩阵低秩分解理论的不断发展,基于稀疏编码的图像超分辨率重建方法成为研究热点。基于此,本文围绕图像超分辨率重建中的关键步骤特征提取算法和稀疏编码中的学习字典构造技术,重点研究了块haar小波特征提取结合稀疏编码的单帧图像超分辨率重建和低秩融合结合稀疏编码的多帧图像超分辨率重建。本文内容主要包括以下三个方面：首先,阐述三类图像超分辨率重建方法的基本原理,并数字实现了部分算法,给出相应的实验结果和结果分析,如基于插值方法中的最近邻插值、双线性插值和双三次插值算法；基于重建方法中的迭代反投影算法和凸集投影算法；基于学习方法中的基于示例的算法和邻域嵌入算法等。其次,围绕基于稀疏编码的图像超分辨率重建算法(具体包括图像库选取、图像特征块提取和字典训练方案等)展开研究,本文提出一种新的块haar小波特征提取结合稀疏编码的图像超分辨率重建方法,并给出相应的实验结果及与其它方法的对比分析。最后,在研究图像配准算法和矩阵低秩分解理论的基础上,提出低秩融合结合稀疏编码的多帧图像超分辨率重建方法,并给出相应的实验结果及与其它方法的对比分析。总之,围绕图像的超分辨率重建问题,本文提出并数字实现了基于块haar小波特征提取结合稀疏编码的单帧图像超分辨率重建和低秩融合结合稀疏编码的多帧图像超分辨率重建方法。更进一步指出,多帧图像的超分辨率重建,不仅可以融合图像间的有效信息,还能利用学习字典提供的先验信息,使图像重建的效果更好。
【关键词】：特征提取 学习字典 稀疏编码 低秩融合 超分辨率重建
【学位授予单位】：西北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-17
• 1.1 研究背景及意义9-10
• 1.2 图像超分辨率重建技术10-12
• 1.3 图像质量评价指标12-13
• 1.4 本文主要工作13-14
• 1.5 本文内容安排14-17
• 第二章 常用的图像超分辨率重建方法17-33
• 2.1 典型图像退化模型17-19
• 2.2 基于插值的超分辨率重建方法19-23
• 2.2.1 最近邻插值算法19-20
• 2.2.2 双线性插值算法20-21
• 2.2.3 双三次插值算法21-23
• 2.3 基于重建的超分辨率重建方法23-25
• 2.3.1 迭代反向投影法23-24
• 2.3.2 凸集投影法24-25
• 2.4 基于学习的超分辨率重建方法25-32
• 2.4.1 基于示例的方法26-29
• 2.4.2 邻域嵌入的方法29-32
• 2.5 小结32-33
• 第三章 块haar小波特征提取结合稀疏编码的图像超分辨率重建33-53
• 3.1 稀疏编码理论及算法33-39
• 3.1.1 信号的稀疏编码理论33-35
• 3.1.2 信号的稀疏编码算法35-39
• 3.2 稀疏编码图像超分辨率重建步骤39-43
• 3.2.1 图像库的采集39
• 3.2.2 训练样本集的构造39-40
• 3.2.3 过完备学习字典的训练40-41
• 3.2.4 LR图像的超分辨率重建41-43
• 3.3 块haar小波特征提取43-45
• 3.4 块haar小波特征提取结合稀疏编码的图像超分辨率重建45-51
• 3.4.1 数学模型46
• 3.4.2 数值实现46-48
• 3.4.3 实验结果与分析48-51
• 3.5 小结51-53
• 第四章 低秩融合结合稀疏编码的图像超分辨率重建53-69
• 4.1 SURF结合RANSAC算法特征提取53-60
• 4.1.1 SURF算法特征提取54-58
• 4.1.2 RANSAC算法剔除误匹配点58-60
• 4.2 低秩图像融合60-63
• 4.2.1 低秩矩阵求解60-61
• 4.2.2 低秩图像融合61-63
• 4.3 低秩融合结合稀疏编码的图像超分辨率重建63-68
• 4.3.1 重建模型63-65
• 4.3.2 数值实现65
• 4.3.3 实验结果与分析65-68
• 4.4 小结68-69
• 第五章 总结与展望69-71
• 参考文献71-77
• 附录77-79
• 攻读硕士学位期间取得的科研成果79-81
• 致谢81

【相似文献】

中国期刊全文数据库 前10条

1 苏秉华,金伟其,牛丽红,刘广荣;超分辨率图像复原及其进展[J];光学技术;2001年01期

2 谭兵,徐青,耿则勋,邢帅;超分辨率图象重建技术发展现状[J];信息工程大学学报;2003年04期

3 钟山,沈振康;图像静态超分辨率重建[J];红外与毫米波学报;2004年02期

4 王勇,郑辉,胡德文;视频的超分辨率增强技术综述[J];计算机应用研究;2005年01期

5 焦斌亮;赵文蕾;;浅析互有位移图像序列的超分辨率复原[J];遥测遥控;2006年01期

6 袁建华;殷学民;邹谋炎;;一种有效的超分辨率重建计算方法[J];中国科学院研究生院学报;2006年04期

7 张地;何家忠;彭宏;;低分辨率人脸序列的超分辨率重构识别[J];韶关学院学报;2007年06期

8 梁立恒;邢立新;姜红艳;王明常;;高保真影像超分辨率重建应用研究[J];吉林大学学报(地球科学版);2007年S1期

9 郑丽贤;何小海;吴炜;杨晓敏;陈默;;基于学习的超分辨率技术[J];计算机工程;2008年05期

10 浦剑;张军平;黄华;;超分辨率算法研究综述[J];山东大学学报(工学版);2009年01期

中国重要会议论文全文数据库 前10条

1 潘明海;刘永坦;赵淑清;徐佳祥;干恒富;;一种多运动目标的超分辨率检测算法[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

2 李兵兵;陆耀;王晓明;李劲娴;;基于金字塔回归策略的人脸超分辨率[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

3 戴光智;陈铁群;薛家祥;;基于微扫描技术焊缝超声图像的超分辨率重建[A];第十七届全国测控计量仪器仪表学术年会（MCMI'2007）论文集（上册）[C];2007年

4 郑杰;韩梅;;基于微位移的超分辨率重建技术[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

5 张光昭;胡敬炉;谢泽明;;超分辨率亚毫米波付里叶变换谱[A];第四届全国波谱学学术会议论文摘要集[C];1986年

6 缪泓;徐海明;;微平移序列图像的超分辨率重建技术[A];中国力学学会学术大会'2009论文摘要集[C];2009年

7 徐启飞;颜刚;陈武凡;;关于序列图像的超分辨率重建算法[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

8 徐忠强;朱秀昌;;基于正则算法的压缩视频超分辨率重建[A];第十三届全国图象图形学学术会议论文集[C];2006年

9 池小梅;马建伟;黄景涛;;基于压缩传感的超分辨率红外成像研究[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

10 黄华;何惠婷;;一种基于CCA空间超分辨率的人脸识别方法[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 傅罡;多源遥感数据的道路提取方法研究[D];清华大学;2014年

2 巴拉卡，雅各布Maiseli（Baraka Jacob Maiseli）;基于正则化的非线性扩散模型的超分辨率方法[D];哈尔滨工业大学;2015年

3 王晓峰;基于样本学习的人脸超分辨率重建技术研究[D];华中科技大学;2015年

4 岳焕景;面向云媒体的图像处理研究[D];天津大学;2015年

5 杨琛;提高集成成像与集成全息系统成像质量方法的研究[D];西安电子科技大学;2015年

6 何蕾;基于稀疏表达的连分式插值核的图像/视频超分辨率重建方法研究[D];合肥工业大学;2015年

7 樊程广;超声相控阵超分辨率成像方法研究[D];国防科学技术大学;2014年

8 袁建华;超分辨率重建中若干问题的研究[D];中国科学院研究生院（电子学研究所）;2006年

9 范冲;三线阵影像超分辨率重建[D];中南大学;2007年

10 张小红;视频去运动模糊及超分辨率研究[D];浙江大学;2012年

中国硕士学位论文全文数据库 前10条

1 李智盛;压缩传感在超分辨率中的应用[D];清华大学;2011年

2 刘妮妮;基于(2D)~2PCA的低分辨率人脸识别[D];大连海事大学;2016年

3 唐欣;基于机器学习的多维数据压缩算法研究[D];上海交通大学;2015年

4 尚秀伟;多幅图像的快速超分辨率重建方法研究[D];北方工业大学;2016年

5 刘艳玲;阵列图像的超分辨率重建[D];北方工业大学;2016年

6 万丹凤;基于位置块的人脸超分辨率算法研究[D];北京理工大学;2016年

7 吕泽江;基于POCS算法的人脸检测研究[D];吉林大学;2016年

8 朱虹;基于压缩感知的超分辨率图像重建算法研究[D];西北师范大学;2015年

9 郭萌;基于改进POCS的红外弱小目标超分辨率复原算法研究[D];吉林大学;2016年

10 郭良;基于自相似性的单幅图像超分辨率重建算法研究[D];山东大学;2016年

  本文关键词：特征提取结合字典学习的超分辨率重建，，由笔耕文化传播整理发布。

本文编号：259418