基于宽度学习系统的图像超分辨率研究

发布时间：2023-06-10 15:18

　　随着信息技术的发展,数字图像广泛应用到了人类生活的各个方面。高分辨率图像含有丰富的色彩和细节信息,不仅可以提供良好的视觉感受,并且可以为后续的各种图像处理任务带来便利。图像超分辨率技术就是利用软件技术从低分辨率图像中恢复出高分辨率图像。过去几十年的研究中,该技术已经被应用于多个领域,如监控、医疗诊断和地球观测等。宽度学习系统是机器学习领域最近几年出现的新技术,是一种结构简单、参数较少的扁平化网络模型。目前,宽度学习系统已经在图像分类、人脸识别等任务中产生了较好的效果。本文研究了基于宽度学习系统的图像超分辨率技术。本文的主要内容如下:首先,提出了一种基于宽度学习系统的图像超分辨率算法。在训练阶段,该算法将低分辨率块作为宽度网络的输入。与此同时,在宽度学习系统的特征层,对输入的低分辨率图像进一步进行了特征增强。因此,该算法实际上建立了低分辨率图像块及其潜在特征与高分辨率图像块之间的非线性关系,充分利用了低分辨率图像中所包含的信息,提高了重建质量。在重建阶段,直接输入低分辨率图像根据训练好的网络就可以得到高分辨率图像。该算法采用最小二乘类算法训练网络,不需要进行迭代求解。避免了陷入局部最优并...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 图像超分辨率研究现状
        1.2.2 宽度学习系统研究现状
    1.3 本文主要研究内容
第2章 宽度学习系统与图像重建质量评价标准
    2.1 宽度学习系统
    2.2 相关熵准则
        2.2.1 最大熵准则
        2.2.2 正则化的相关熵准则
    2.3 图像重建质量评价标准
        2.3.1 峰值信噪比
        2.3.2 结构相似度
        2.3.3 加权峰值信噪比
    2.4 本章小结
第3章 基于宽度学习系统的图像超分辨率
    3.1 引言
    3.2 基于宽度学习系统的图像超分辨率算法
        3.2.1 算法原理
        3.2.2 算法执行步骤
    3.3 实验仿真结果与分析
        3.3.1 实验数据
        3.3.2 模型结构确定
        3.3.3 方法对比
    3.4 本章小结
第4章 基于全局残差学习和宽度学习系统的图像超分辨率
    4.1 引言
    4.2 图像频率信息
    4.3 基于全局残差学习和宽度学习系统的图像超分辨率算法
        4.3.1 算法原理
        4.3.2 算法执行步骤
    4.4 实验仿真结果与分析
        4.4.1 实验数据
        4.4.2 模型结构确定
        4.4.3 方法对比
    4.5 本章小结
第5章 基于相关熵准则和宽度学习系统的图像超分辨率
    5.1 引言
    5.2 基于相关熵准则和宽度学习系统的图像超分辨率算法
        5.2.1 算法原理
        5.2.2 算法执行步骤
    5.3 实验仿真结果与分析
        5.3.1 实验数据
        5.3.2 模型结构确定
        5.3.3 方法对比
    5.4 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
作者简介



本文编号：3833100