版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、超分辨率圖像復原技術作為數(shù)字圖像處理領域內(nèi)的一個十分重要的分支,近些年來已經(jīng)被廣泛的運用在視頻安全監(jiān)控、遙感圖像處理、計算機視覺、醫(yī)療數(shù)字影像處理等各項領域。
基于學習的超分辨率技術是近年來用途最豐富的圖像恢復技術。該方法通過學習來獲得高、低分辨率圖像樣例的相關性,以此來指導圖像的恢復,以待復原圖像作為依據(jù),通過學習獲得信息來對圖像進行補充和優(yōu)化。基于學習的算法的特點在于其對圖像的重構準確,有較強的圖像特征保持性,對圖像噪聲的
2、魯棒性強。在基于學習的框架之下,本課題以提升圖像的視覺效果作為最終目標,對基于學習的超分辨率算法進行了較為深入的研究。主要內(nèi)容有:
首先,在基于學習的算法基礎上,充分結合稀疏表示理論,利用K-SVD字典學習算法構建學習字典,在保證重構圖像忠實性的前提下,縮減了冗余字典的規(guī)模,利用高、低分辨率之間的映射關系復原出高分辨率圖像,不但可以使算法的復雜度有所下降,而且增強了字典的表達能力。
然后,提出基于內(nèi)容的字典學習的超分
3、辨率復原方法。根據(jù)訓練圖像內(nèi)容間的差異性,引入了聚類的概念,利用聚類的算法將一個較為完整且規(guī)模較大的訓練字典分為不同的類別,并根據(jù)待復原圖像的內(nèi)容,有針對性的選擇分類,進行圖像復原,使算法更具有區(qū)分性和針對性,能夠讓圖像具備更佳的自適應能力。相對于傳統(tǒng)的超分辨率復原算法,該算法無論是在SSIM還是PNSR等客觀測試數(shù)據(jù)以及主觀視覺效果上都具有一定優(yōu)勢。
最后,給出了基于內(nèi)容的雙字典學習的超分辨率重構算法。在將訓練圖像根據(jù)內(nèi)容分
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于單幅圖像超分辨率復原算法研究.pdf
- 超分辨率圖像復原算法研究.pdf
- 正則超分辨率圖像復原算法研究.pdf
- 基于深度學習的圖像超分辨率復原.pdf
- CT圖像超分辨率復原算法的研究.pdf
- 基于去模糊的圖像超分辨率復原算法研究.pdf
- 視頻圖像超分辨率復原.pdf
- 基于學習的圖像超分辨率算法研究.pdf
- 基于混合MAP-POCS算法的圖像超分辨率復原研究.pdf
- 基于學習的圖像超分辨率重建算法研究.pdf
- 基于稀疏表示的圖像超分辨率復原研究.pdf
- 基于冗余字典的超分辨率圖像復原研究.pdf
- 基于學習的超分辨率復原技術研究.pdf
- 基于視頻的圖像超分辨率復原方法研究.pdf
- 基于學習的單幀圖像超分辨率算法研究.pdf
- 視頻圖像超分辨率復原方法研究.pdf
- 超分辨率圖像復原及DSP實現(xiàn).pdf
- 超分辨率圖像盲復原技術研究.pdf
- 圖像拼接和超分辨率圖像復原技術的研究.pdf
- 基于POCS算法的序列圖像超分辨率復原技術研究.pdf
評論
0/150
提交評論