【摘要】：超分辨率重建是利用單幅或多幅帶有亞像素位移的低分辨率圖像借助圖像模型和降質(zhì)先驗(yàn)等進(jìn)行超分辨率的重構(gòu)進(jìn)而得到高分辨率圖像,并在眾多的圖像應(yīng)用領(lǐng)域中扮演著重要的角色,如:遙感、軍事、醫(yī)學(xué)成像、公共安全等等。超分辨率重建在數(shù)學(xué)上是一個(gè)不適定的逆問題,對(duì)其研究一直沒間斷過。目前超分辨率的重建主要有基于插值、基于重構(gòu)和基于學(xué)習(xí)三種方法。本文圍繞基于圖像自相似與回歸學(xué)習(xí)映射關(guān)系的單幅圖像超分辨率方法進(jìn)行展開。本文主要研究內(nèi)容與貢獻(xiàn)包括:(1)提出一種利用圖像塊自相似性和對(duì)非線性映射擬合較好的支持向量回歸模型的單幅超分辨率算法。該方法不使用外部圖像訓(xùn)練庫,而是通過建立圖像金字塔得到訓(xùn)練庫,并假設(shè)低分辨率相似塊和其對(duì)應(yīng)的高分辨率圖像塊的中心像素之間的映射關(guān)系相同,利用支持向量回歸模型學(xué)習(xí)映射關(guān)系。最后對(duì)其進(jìn)行了仿真實(shí)驗(yàn)及相關(guān)分析,并與幾個(gè)經(jīng)典超分辨率方法進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明本文設(shè)計(jì)的算法能夠很好的實(shí)現(xiàn)圖像的超分辨率重建,特別是對(duì)紋理結(jié)構(gòu)相似度高的圖像具有更好的重構(gòu)效果。(2)針對(duì)支持向量回歸在此方法中的不足之處又提出了一種基于直接稀疏核回歸的單幅圖像超分辨率方法,尋找“更優(yōu)”的支持向量,使得相似塊的權(quán)重分配更接近實(shí)際情況。實(shí)驗(yàn)結(jié)果顯示超分辨率效果確實(shí)有所提升。
[Abstract]:Super-resolution reconstruction is using single or multiple low-resolution images with sub-pixel displacement to obtain high-resolution images by super-resolution reconstruction by means of image models and degenerated priors. It plays an important role in many image applications, such as remote sensing, military, medical imaging, public safety and so on. Super-resolution reconstruction is an ill-posed inverse problem in mathematics. At present, there are three methods of super-resolution reconstruction: interpolation-based, reconstruction-based and learning-based. This paper focuses on a single image super-resolution method based on the relationship between image self-similarity and regression learning mapping. The main contents and contributions of this paper are as follows: (1) A single-frame super-resolution algorithm based on self-similarity of image blocks and better fitting of support vector regression model with non-linear mapping is proposed in this paper. This method does not use the external image training library, but builds the image pyramid to get the training library, and assumes that the mapping relationship between the low resolution similar block and the corresponding high resolution image block is the same as the central pixel of the corresponding high resolution image block. Support vector regression model is used to learn mapping relations. Finally, the simulation experiment and correlation analysis are carried out, and compared with several classical super-resolution methods. The experimental results show that the algorithm designed in this paper can realize the super-resolution reconstruction of the image very well. Especially, the image with high texture similarity has better reconstruction effect. (2) aiming at the deficiency of support vector regression in this method, a single image super-resolution method based on direct sparse kernel regression is proposed. Looking for "better" support vectors makes the weight assignment of similar blocks closer to the actual situation. The experimental results show that the super-resolution effect has indeed improved.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王曉文;劉雨;;圖像超分辨率研究綜述[J];信息技術(shù);2009年07期

2 孔玲莉,黃華,齊春,劉美娟;圖像超分辨率研究的最新進(jìn)展[J];光學(xué)技術(shù);2004年03期

3 沈煥鋒;李平湘;張良培;王毅;;圖像超分辨率重建技術(shù)與方法綜述[J];光學(xué)技術(shù);2009年02期

4 王春霞;蘇紅旗;范郭亮;;圖像超分辨率重建技術(shù)綜述[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年05期

5 張銀林;;視頻圖像超分辨率增強(qiáng)技術(shù)[J];硅谷;2011年16期

6 余徽;陳華旺;;圖像超分辨率技術(shù)研究進(jìn)展[J];光學(xué)與光電技術(shù);2012年05期

7 葉兆豐;;圖像超分辨率重建技術(shù)及研究[J];電子世界;2013年09期

8 強(qiáng)振平;何麗波;狄光智;陳旭;;一種基于稀疏表征的圖像超分辨率重建方法[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

9 黃華;樊鑫;齊春;朱世華;;基于粒子濾波的人臉圖像超分辨率重建方法[J];軟件學(xué)報(bào);2006年12期

10 丁海勇;卞正富;;數(shù)字圖像超分辨率重構(gòu)技術(shù)研究[J];計(jì)算機(jī)與數(shù)字工程;2007年10期

相關(guān)會(huì)議論文 前10條

1 張煜東;吳樂南;奚吉;王水花;;變長小生境算法用于圖像超分辨率復(fù)原[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 張東;韓軍;;圖像超分辨率重建算法研究[A];2010年西部光子學(xué)學(xué)術(shù)會(huì)議摘要集[C];2010年

3 楊浩;高建坡;陳向東;吳鎮(zhèn)揚(yáng);;利用示例圖像獲取先驗(yàn)知識(shí)的圖像超分辨率重建算法[A];第一屆中國高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

4 閆允一;郭寶龍;;基于小波的圖像超分辨率重建算法研究[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

5 顧瑩;朱秀昌;;基于CS的圖像超分辨率重建[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

6 韓玉兵;殷瑋瑋;吳樂南;;基于Wavelet-HMM的圖像超分辨率重建[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

7 張瓊;付懷正;沈民奮;;基于稀疏表示的彩色圖像超分辨率重建算法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

8 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

9 王偉凝;余英林;張劍超;;圖像的動(dòng)感特征分析[A];第一屆中國情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

10 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊(cè)）[C];2001年

相關(guān)重要報(bào)紙文章 前1條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 曹明明;基于鄰域嵌入的圖像超分辨率重建研究[D];南京郵電大學(xué);2015年

2 李小燕;基于廣義圖像先驗(yàn)的圖像超分辨率重建算法研究[D];西南交通大學(xué);2015年

3 康凱;圖像超分辨率重建研究[D];中國科學(xué)技術(shù)大學(xué);2016年

4 徐海明;圖像超分辨率重建關(guān)鍵技術(shù)的基礎(chǔ)研究[D];中國科學(xué)技術(shù)大學(xué);2013年

5 李娟;基于稀疏表示的圖像超分辨率復(fù)原研究[D];武漢科技大學(xué);2016年

6 鄧良劍;圖像處理若干問題的數(shù)學(xué)模型和高性能算法研究[D];電子科技大學(xué);2016年

7 王新蕾;基于鄰域?qū)W習(xí)和稀疏原子聚類字典的圖像超分辨率重構(gòu)算法研究[D];東南大學(xué);2016年

8 賈媛媛;基于稀疏表示的3D磁共振圖像超分辨率重建算法研究[D];重慶大學(xué);2016年

9 徐國明;基于稀疏表示的圖像超分辨率重建方法研究[D];合肥工業(yè)大學(xué);2015年

10 梁虎;基于紋理細(xì)節(jié)估計(jì)的多幀圖像超分辨率重建算法研究[D];華中科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 雷倩;基于深度學(xué)習(xí)的圖像超分辨率重構(gòu)[D];河北師范大學(xué);2015年

2 馬瑩;基于字典學(xué)習(xí)的圖像超分辨率復(fù)原算法研究[D];燕山大學(xué);2015年

3 張志超;單幅圖像超分辨率重建算法研究[D];鄭州大學(xué);2015年

4 王賀青;基于稀疏表示和非下采樣輪廓波變換的單幅圖像超分辨率[D];哈爾濱工業(yè)大學(xué);2015年

5 曹柱利;基于學(xué)習(xí)的毫米波圖像超分辨率算法研究[D];電子科技大學(xué);2014年

6 吳秀秀;基于配準(zhǔn)的肺4D-CT圖像超分辨率重建研究[D];南方醫(yī)科大學(xué);2015年

7 熊智;車牌圖像超分辨率重建算法研究[D];南昌航空大學(xué);2015年

8 趙新;圖像超分辨率重建系統(tǒng)的研究與實(shí)現(xiàn)[D];河北工業(yè)大學(xué);2015年

9 王保全;基于混合專家模型的快速圖像超分辨率方法研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2015年

10 徐光耀;基于稀疏表示的人臉圖像超分辨率技術(shù)研究[D];上海交通大學(xué);2015年

，

本文編號(hào)：2472093