基于馬爾科夫網(wǎng)絡(luò)的圖像超分辨率復原.pdf

1、　　隨著多媒體技術(shù)的日益發(fā)展，人們對圖像質(zhì)量有著越來越高的要求，由于種種客觀因素的影響，所獲取圖像的分辨率常常無法滿足需要，超分辨率技術(shù)不用改變現(xiàn)有設(shè)備，能夠克服硬件設(shè)備的固有限制，提高圖像的分辨率，在很多領(lǐng)域中都被廣泛應用，具有十分重要的理論價值與實際意義。
　　本文重點研究基于馬爾科夫網(wǎng)絡(luò)的圖像超分辨率算法，在傳統(tǒng)重建算法的基礎(chǔ)上對正則化參數(shù)的選取方式進行了改進，并利用梯度法對基于學習的算法進行了優(yōu)化。論文主要研究工作和創(chuàng)新

2、如下：
　　首先，全面回顧了超分辨率的背景意義，對先驗知識、圖像退化模型以及圖像質(zhì)量評價方法進行了概述。其次，對圖像超分辨率的常用方法進行了描述，從最初的頻域法到現(xiàn)在比較流行的空域法和基于學習的方法，并將各種算法進行了比較，重點分析了馬爾科夫網(wǎng)絡(luò)模型，著重對馬爾科夫網(wǎng)絡(luò)模型在重建算法與基于學習算法中的應用進行了研究。最后，在傳統(tǒng)基于馬爾科夫網(wǎng)絡(luò)模型的重建算法的基礎(chǔ)上通過動態(tài)調(diào)整對正則化參數(shù)的選取進行了改進，對正則化參數(shù)值進行自適