隨著科技的不斷進(jìn)步,人們進(jìn)入了信息時(shí)代。數(shù)字圖像作為一種信息傳播的重要形式,其分辨率的高低以及一些渾濁的介質(zhì)會(huì)影響人們獲取圖像中的信息。在現(xiàn)實(shí)世界中,有非常多的因素會(huì)影響圖像的分辨率,如快門、散彈噪聲、抖動(dòng)、衍射極限、傳感器、聚焦、顏色混疊等。在物體成像中也存在著很多渾濁的介質(zhì),如水滴、顆粒、煙霧等。這些因素和介質(zhì)都會(huì)導(dǎo)致圖像的分辨率降低,以及圖像中的部分信息丟失,因此,提高圖像的分辨率和去除圖像中的霧就顯得尤為重要。當(dāng)成像設(shè)備與成像環(huán)境均不夠完善時(shí),采用數(shù)學(xué)算法提高圖像質(zhì)量,即利用稀疏表示方法對(duì)圖像進(jìn)行去霧超分辨,這樣做的優(yōu)點(diǎn)是既不受硬件設(shè)備和環(huán)境條件的限制,還能使成本降低,具有廣闊的應(yīng)用前景。稀疏表示理論在圖像處理方面的應(yīng)用備受關(guān)注,如圖像去噪、人臉識(shí)別、圖像超分辨率重建等。通過(guò)訓(xùn)練字典可以將圖像補(bǔ)丁稀疏表示,再用最少的原子代表圖像補(bǔ)丁,準(zhǔn)確獲取圖像的紋理特征信息。本文的創(chuàng)新點(diǎn)在于利用稀疏表示方法對(duì)圖像進(jìn)行超分辨的同時(shí)又加入了對(duì)圖像去霧的研究,得出的圖片效果要好于單獨(dú)去霧和單獨(dú)超分辨的圖像。本文主要研究?jī)?nèi)容如下:1.利用超完備字典中適當(dāng)選擇的元素稀疏線性組合表示圖像補(bǔ)丁。由此為每個(gè)... 

【文章來(lái)源】：浙江海洋大學(xué)浙江省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究的背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析
        1.2.1 稀疏表示算法研究現(xiàn)狀
        1.2.2 圖像去霧研究現(xiàn)狀
        1.2.3 圖像超分辨的研究現(xiàn)狀
    1.3 論文的主要研究工作及結(jié)構(gòu)安排
        1.3.1 主要研究工作
        1.3.2 結(jié)構(gòu)安排
第二章 基礎(chǔ)理論及應(yīng)用研究
    2.1 圖像超分辨率重建的理論基礎(chǔ)
        2.1.1 圖像退化模型
        2.1.2 超分辨重建方法概述
    2.2 用稀疏表示進(jìn)行圖像處理
        2.2.1 信號(hào)稀疏表示模型
        2.2.2 稀疏表示的優(yōu)化方法
        2.2.3 稀疏表示的字典學(xué)習(xí)
    2.3 圖像去霧算法
        2.3.1 霧霾成像模型
        2.3.2 非物理去霧模型
        2.3.3 暗通道先驗(yàn)去霧算法
    2.4 圖像質(zhì)量評(píng)價(jià)方法
    2.5 本章小結(jié)
第三章 利用稀疏表示與暗通道方法對(duì)圖像去霧處理
    3.1 利用稀疏表示方法對(duì)圖像進(jìn)行去噪
        3.1.1 算法步驟
    3.2 估計(jì)透射率
    3.3 優(yōu)化透射率
    3.4 估計(jì)大氣光
    3.5 實(shí)驗(yàn)結(jié)果及分析
    3.6 本章小結(jié)
第四章 圖像去霧后利用稀疏表示進(jìn)行超分辨處理
    4.1 引言
    4.2 超分辨重構(gòu)過(guò)程
    4.3 特征提取算法
    4.4 聯(lián)合字典訓(xùn)練
    4.5 正則化方法自適應(yīng)選擇
    4.6 仿真實(shí)驗(yàn)
    4.7 圖像去霧后進(jìn)行超分辨處理效果
    4.8 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文及研究成果


【參考文獻(xiàn)】：
期刊論文
[1]稀疏表示遙感圖像超分辨重建[J]. 劉越,朱福珍,丁群.  黑龍江大學(xué)自然科學(xué)學(xué)報(bào). 2018(06)
[2]基于匹配追蹤法的信號(hào)分解方法研究[J]. 王猛,張若偉,尹揚(yáng)帆.  電腦知識(shí)與技術(shù). 2018(36)
[3]基于小波變換的SAR圖像海洋內(nèi)波特征提取[J]. 郭薇,王亞波,湯琦璇.  中國(guó)科技信息. 2018(24)
[4]基于學(xué)習(xí)的圖像超分辨重建方法綜述[J]. 李云紅,王珍,張凱兵,章為川,閆亞娣.  計(jì)算機(jī)工程與應(yīng)用. 2018(15)
[5]數(shù)字圖像處理技術(shù)的應(yīng)用與發(fā)展[J]. 劉印.  信息與電腦(理論版). 2018(14)
[6]基于多尺度幾何分析的霧天圖像清晰化算法[J]. 郭瑞,黨建武,沈瑜,劉成.  激光與光電子學(xué)進(jìn)展. 2018(11)
[7]改進(jìn)的異質(zhì)大氣光估計(jì)的圖像去霧算法[J]. 余朋,文小琴,汪兆棟,賀樂(lè).  計(jì)算機(jī)工程與設(shè)計(jì). 2018(03)
[8]局部線性嵌入的快速單幅圖像超分辨率技術(shù)[J]. 姜杰,劉哲,呂林濤.  紅外技術(shù). 2018(01)
[9]基于雙層字典學(xué)習(xí)的低劑量CT圖像重建算法[J]. 朱雪茹,李勇明,李傳明,李志超,王健,劉燕.  北京生物醫(yī)學(xué)工程. 2017(06)
[10]基于牙科X光片的多種直方圖均衡化圖像增強(qiáng)對(duì)比[J]. 閆凱文.  光學(xué)儀器. 2017(06)

博士論文
[1]基于稀疏表示理論的圖像去噪與融合算法研究[D]. 劉兆棟.重慶大學(xué) 2016

碩士論文
[1]基于稀疏表示的圖像超分辨率算法的研究[D]. 楚亞南.長(zhǎng)春理工大學(xué) 2018
[2]基于重構(gòu)方法的圖像超分辨研究[D]. 于晗.電子科技大學(xué) 2016
[3]稀疏表示下圖像超分辨分析算法研究[D]. 李曉兵.哈爾濱工業(yè)大學(xué) 2014
[4]基于優(yōu)化全局采樣的圖像摳取算法研究[D]. 程珺.北京交通大學(xué) 2014
[5]稀疏表示在單幅圖像超分辨率重建中的應(yīng)用研究[D]. 任廣梅.電子科技大學(xué) 2012



本文編號(hào)：3194405