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(bào)或認(rèn)領(lǐng)
文檔簡介
1、機(jī)器視覺系統(tǒng)已經(jīng)廣泛地應(yīng)用于產(chǎn)品質(zhì)量檢測、零件識(shí)別、生產(chǎn)監(jiān)視等現(xiàn)代工業(yè)自動(dòng)化生產(chǎn)的各種環(huán)節(jié)。機(jī)器視覺系統(tǒng)檢測產(chǎn)品質(zhì)量首先使用即時(shí)圖像攝取裝置抓拍圖像,然后將之傳送到處理單元進(jìn)行數(shù)字化處理,再采用通用或?qū)S玫奶幚硭惴?,根?jù)顏色、亮度、邊緣、輪廓等特征進(jìn)行判斷,最后根據(jù)判斷結(jié)果控制現(xiàn)場設(shè)備動(dòng)作。圖像的質(zhì)量對(duì)于機(jī)器視覺的效果至關(guān)重要,而實(shí)際應(yīng)用中采集到的原始圖像往往質(zhì)量并不完美。提高機(jī)器視覺效果的一種有效手段便是在采用算法處理圖像之前對(duì)圖像進(jìn)
2、行超分辨率復(fù)原。
本文從工業(yè)機(jī)器視覺的具體應(yīng)用出發(fā),針對(duì)基于學(xué)習(xí)的圖像超分辨率復(fù)原中的若干問題,結(jié)合支持向量機(jī)、基因表達(dá)式編程、神經(jīng)網(wǎng)絡(luò)三種機(jī)器學(xué)習(xí)技術(shù),提出三種新的超分辨率算法。
?。?)針對(duì)范例學(xué)習(xí)的運(yùn)算量大、誤匹配和復(fù)原質(zhì)量差等問題,提出基于支持向量機(jī)預(yù)分類學(xué)習(xí)的圖像超分辨率復(fù)原算法。首先采用支持向量機(jī)算法篩選出與目標(biāo)圖像相關(guān)性高的樣本子庫,然后在此基礎(chǔ)上實(shí)現(xiàn)圖像超分辨率復(fù)原。實(shí)驗(yàn)結(jié)果顯示,與 Freeman提出
3、的經(jīng)典的基于范例學(xué)習(xí)的超分辨率復(fù)原算法相比,該算法的PSNR提高了8.18%,運(yùn)行時(shí)間減少了73.24%。
?。?)為了從顏色、紋理等多種圖像特征的角度篩選出與目標(biāo)圖像相關(guān)性高的樣本子庫,在多標(biāo)記框架下進(jìn)行樣本預(yù)分類?;谀:龜?shù)學(xué)理論提出基因表達(dá)式編程多標(biāo)記分類的超分辨率算法,進(jìn)一步縮小低分辨率圖像塊的匹配范圍,提高復(fù)原質(zhì)量。實(shí)驗(yàn)結(jié)果顯示,該算法的PSNR和SSIM比Freeman算法分別提高了16.55%和7.69%。
4、 (3)針對(duì)線性多類預(yù)測器學(xué)習(xí)復(fù)原所得圖像的邊緣部分較為平滑的問題,提出基于神經(jīng)網(wǎng)絡(luò)的非線性多類預(yù)測器學(xué)習(xí)。設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)多類預(yù)測器,采用小生境基因表達(dá)式編程方法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)。通過學(xué)習(xí)樣本集對(duì)預(yù)測器進(jìn)行訓(xùn)練,學(xué)得學(xué)習(xí)樣本中的先驗(yàn)知識(shí),進(jìn)而根據(jù)從低分辨率圖像塊提取的特征矢量預(yù)測圖像高頻信息、完成圖像超分辨率復(fù)原。實(shí)驗(yàn)結(jié)果顯示,該算法的PSNR和SSIM比Freeman算法分別提高了14.93%和14.1%,且主觀上,復(fù)原結(jié)果具有
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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 超分辨率圖像復(fù)原算法研究.pdf
- 正則超分辨率圖像復(fù)原算法研究.pdf
- CT圖像超分辨率復(fù)原算法的研究.pdf
- 基于單幅圖像超分辨率復(fù)原算法研究.pdf
- 基于學(xué)習(xí)的圖像超分辨率復(fù)原算法研究.pdf
- 圖象盲復(fù)原和超分辨率復(fù)原算法及應(yīng)用研究.pdf
- 視頻圖像超分辨率復(fù)原.pdf
- 超分辨率圖像復(fù)原及DSP實(shí)現(xiàn).pdf
- 毫米波輻射圖像超分辨率復(fù)原及邊緣檢測算法研究.pdf
- 基于去模糊的圖像超分辨率復(fù)原算法研究.pdf
- 視頻圖像超分辨率復(fù)原方法研究.pdf
- 超分辨率復(fù)原算法的改進(jìn)及實(shí)現(xiàn).pdf
- 超分辨率圖像盲復(fù)原技術(shù)研究.pdf
- 圖像拼接和超分辨率圖像復(fù)原技術(shù)的研究.pdf
- 基于混合MAP-POCS算法的圖像超分辨率復(fù)原研究.pdf
- 激光水下成像的圖像復(fù)原及超分辨率重建算法研究.pdf
- 基于機(jī)器人視覺圖像結(jié)構(gòu)特征學(xué)習(xí)的超分辨率算法研究.pdf
- 基于深度學(xué)習(xí)的圖像超分辨率復(fù)原.pdf
- 基于稀疏表示的圖像超分辨率復(fù)原研究.pdf
- 基于冗余字典的超分辨率圖像復(fù)原研究.pdf
評(píng)論
0/150
提交評(píng)論