基于自相似性的單幅圖像超分辨率算法研究.pdf_第1頁
已閱讀1頁，還剩85頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)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(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近幾年來，基于圖像自相性假設(shè)的超分辨率算法對提升圖像的主觀視覺效果取得一定成果，展現(xiàn)出良好的發(fā)展前景，在這樣的背景下，本文對基于自相似的超分辨率算法展開研究。
　　首先通過分析自相似性超分辨算法的優(yōu)勢及不足，給出了自相似性和控制核回歸融合的超分辨算法。該算法利用高斯金字塔對圖像全局相似性塊進(jìn)行重建，同時使用控制核回歸模型對圖像局部塊進(jìn)行結(jié)構(gòu)限制。本文先介紹了圖像核回歸模型，再給出了帶有核回歸的基于自相似性超分辨算法，最后通過仿真實(shí)

2、驗(yàn)驗(yàn)證該算法的性能。
　　其次，LSE（Local Self-Examples）算法在視覺效果上仍存在提升空間。本文利用傳統(tǒng)金字塔相似性塊的假設(shè)，給出了基于擴(kuò)展金字塔的LSE改進(jìn)算法。本文首先通過引入水平和垂直方向的金字塔來擴(kuò)展傳統(tǒng)的高斯金字塔，利用擴(kuò)展金字塔對應(yīng)位置的圖像塊尋找最相似塊。該算法不需要進(jìn)行全局搜索，只需計算對應(yīng)位置的圖像塊來尋找最相似圖像塊。最后通過仿真實(shí)驗(yàn)驗(yàn)證該算法的性能。
　　最后，針對超分辨率算法對噪聲

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(quán)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(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

評論

0/150

提交評論