本文選題：線性回歸　切入點：超分辨率　出處：《智能系統(tǒng)學(xué)報》2017年01期

【摘要】：單幅圖像超分辨率的目的是從一幅低分辨率的圖像來重構(gòu)出高分辨率的圖像�；谙∈璞硎竞袜徲蚯度氲某直媛蕡D像重建方法使得重建圖像質(zhì)量有了極大的改善。但這些方法還很難應(yīng)用到實際中,因為其重建圖像的速度太慢或者需要調(diào)節(jié)復(fù)雜的參數(shù)。目前大多數(shù)的方法在圖像重建的速度和質(zhì)量兩個方面很難有一個好的權(quán)衡。鑒于以上問題提出了一種基于線性回歸的快速圖像超分辨率重建算法,將稀疏表示和回歸的方法有效地結(jié)合在一起。通過稀疏表示訓(xùn)練的字典,用一種新的方式將整個數(shù)據(jù)集劃分為多個子空間,然后在每一類子空間中獨立地學(xué)習(xí)高低分辨率圖像之間的映射關(guān)系,最后通過選擇相應(yīng)的投影矩陣來重建出高分辨圖像。實驗結(jié)果表明,相比于其他方法,本文提出的算法無論在圖像重建速度還是重建質(zhì)量方面都取得了更好的超分辨率重建效果。
[Abstract]:The purpose of super-resolution of a single image is to reconstruct a high-resolution image from a low-resolution image.The super-resolution image reconstruction method based on sparse representation and neighborhood embedding greatly improves the image quality.However, these methods are difficult to be applied in practice because the reconstruction speed is too slow or complex parameters need to be adjusted.At present, most methods are difficult to balance the speed and quality of image reconstruction.In view of the above problems, a fast super-resolution image reconstruction algorithm based on linear regression is proposed, which combines sparse representation with regression effectively.Through sparse representation training dictionary, the whole data set is divided into multiple subspaces in a new way, and then the mapping relationship between high and low resolution images is studied independently in each kind of subspace.Finally, the high resolution image is reconstructed by selecting the corresponding projection matrix.The experimental results show that compared with other methods, the proposed algorithm achieves better super-resolution reconstruction results in terms of image reconstruction speed and reconstruction quality.
【作者單位】： 北京交通大學(xué)信息科學(xué)研究所;北京交通大學(xué)現(xiàn)代信息科學(xué)與網(wǎng)絡(luò)技術(shù)北京市重點實驗室;
【基金】：國家自然科學(xué)基金項目(61272028,61572067) 國家“863”計劃項目(2014AA015202) 廣東省自然科學(xué)基金項目(2016A030313708) 北京市自然科學(xué)基金項目(4162050)
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 鐘山,沈振康;圖像靜態(tài)超分辨率重建[J];紅外與毫米波學(xué)報;2004年02期

2 王勇,鄭輝,胡德文;視頻的超分辨率增強技術(shù)綜述[J];計算機應(yīng)用研究;2005年01期

3 袁建華;殷學(xué)民;鄒謀炎;;一種有效的超分辨率重建計算方法[J];中國科學(xué)院研究生院學(xué)報;2006年04期

4 張地;何家忠;彭宏;;低分辨率人臉序列的超分辨率重構(gòu)識別[J];韶關(guān)學(xué)院學(xué)報;2007年06期

5 梁立恒;邢立新;姜紅艷;王明常;;高保真影像超分辨率重建應(yīng)用研究[J];吉林大學(xué)學(xué)報(地球科學(xué)版);2007年S1期

6 鄭麗賢;何小海;吳煒;楊曉敏;陳默;;基于學(xué)習(xí)的超分辨率技術(shù)[J];計算機工程;2008年05期

7 浦劍;張軍平;黃華;;超分辨率算法研究綜述[J];山東大學(xué)學(xué)報(工學(xué)版);2009年01期

8 楊剛;趙紅;王苗;劉穎;石強;;一種基于金字塔策略的人臉超分辨率方法[J];河北大學(xué)學(xué)報(自然科學(xué)版);2009年03期

9 劉琚;喬建蘋;;基于學(xué)習(xí)的超分辨率重建技術(shù)[J];智能系統(tǒng)學(xué)報;2009年03期

10 張瑞;;基于投影的靜態(tài)超分辨率優(yōu)化算法研究[J];科技資訊;2010年10期

相關(guān)會議論文 前10條

1 潘明海;劉永坦;趙淑清;徐佳祥;干恒富;;一種多運動目標(biāo)的超分辨率檢測算法[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

2 李兵兵;陸耀;王曉明;李勁嫻;;基于金字塔回歸策略的人臉超分辨率[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 戴光智;陳鐵群;薛家祥;;基于微掃描技術(shù)焊縫超聲圖像的超分辨率重建[A];第十七屆全國測控計量儀器儀表學(xué)術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

4 鄭杰;韓梅;;基于微位移的超分辨率重建技術(shù)[A];2008'中國信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（一）[C];2008年

5 繆泓;徐海明;;微平移序列圖像的超分辨率重建技術(shù)[A];中國力學(xué)學(xué)會學(xué)術(shù)大會'2009論文摘要集[C];2009年

6 徐忠強;朱秀昌;;基于正則算法的壓縮視頻超分辨率重建[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 池小梅;馬建偉;黃景濤;;基于壓縮傳感的超分辨率紅外成像研究[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

8 黃華;何惠婷;;一種基于CCA空間超分辨率的人臉識別方法[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

9 楊劍;周詮;李映;趙榮椿;;一種改進的基于MAP的超分辨率圖像重建算法[A];全國第三屆信號和智能信息處理與應(yīng)用學(xué)術(shù)交流會�？痆C];2009年

10 饒俊;;基于金字塔配準(zhǔn)和特征提取插值的超分辨率重建[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 巴拉卡，雅各布Maiseli（Baraka Jacob Maiseli）;基于正則化的非線性擴散模型的超分辨率方法[D];哈爾濱工業(yè)大學(xué);2015年

2 岳煥景;面向云媒體的圖像處理研究[D];天津大學(xué);2015年

3 楊琛;提高集成成像與集成全息系統(tǒng)成像質(zhì)量方法的研究[D];西安電子科技大學(xué);2015年

4 何蕾;基于稀疏表達的連分式插值核的圖像/視頻超分辨率重建方法研究[D];合肥工業(yè)大學(xué);2015年

5 樊程廣;超聲相控陣超分辨率成像方法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

6 袁建華;超分辨率重建中若干問題的研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2006年

7 范沖;三線陣影像超分辨率重建[D];中南大學(xué);2007年

8 張小紅;視頻去運動模糊及超分辨率研究[D];浙江大學(xué);2012年

9 江濤;同視域多幀視覺影像超分辨率重建技術(shù)研究[D];山東科技大學(xué);2005年

10 郭曉新;超分辨率重建問題的研究[D];吉林大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 李智盛;壓縮傳感在超分辨率中的應(yīng)用[D];清華大學(xué);2011年

2 劉鵬;壓縮自編碼字典下的多機制鄰域嵌入超分辨率重建算法[D];華南理工大學(xué);2015年

3 蔣曉慧;自適應(yīng)正則化超分辨率重建方法的研究[D];蘇州大學(xué);2015年

4 楊國珂;基于壓縮傳感的圖像分辨率重構(gòu)方法和應(yīng)用[D];江西理工大學(xué);2015年

5 陳果;單一醫(yī)學(xué)視頻時空超分辨率算法研究[D];北京理工大學(xué);2015年

6 黎媛;基于超分辨率的多視角混合分辨率視頻描述的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

7 羅國中;面向低質(zhì)量視頻的目標(biāo)對象的超分辨率重建技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 李華陽;手部深度圖像去噪與超分辨率方法研究[D];北京工業(yè)大學(xué);2015年

9 彭羊平;基于非負鄰域嵌入的單幀圖像超分辨率重建算法研究[D];西安電子科技大學(xué);2014年

10 張云鋒;紋理自適應(yīng)的超分辨率重建[D];西安電子科技大學(xué);2009年

，

本文編號：1706322