近幾年以來,隨著信息科學和軟件工程的不斷發(fā)展,各行各業(yè)對盡可能獲取更多的有效信息的方法的要求越來越高。通過觀察圖像可以得到一些圖像自帶的信息,其在居民生活和國家科技等領域都有著重要應用,對圖像所承載的信息量的不斷提升就成為人類的不懈追求。但在很多現(xiàn)實情況下圖像會產(chǎn)生不同程度的扭曲、模糊化和質(zhì)量下降,因為諸多因素有時較難得到或者長久保存具有高分辨率的圖像。改進分辨率的一種方法是設計先進的拍攝裝置,另一種是軟件的開發(fā)設計和算法的改進來提高圖像的分辨率。雖然改進成像設備是最為直接的方法,但由于硬件技術提高困難重重,且成本難以降低等諸多因素的限制,研究者們通過研究算法利用軟件技術來攻克這一難題,圖像超分辨率重建（super resolution,SR）技術的研究得到研究和重視。該技術本質(zhì)上就是在一幅或者多幅圖像的前提下改進分辨率的技術,而多幅圖像就得需要在圖像融合技術的支持下才能實現(xiàn)改進圖像質(zhì)量的目的,因此研究多幅圖像的前提需要單幅圖像超分辨率重建技術（simple image super resolution,SISR）的發(fā)展進步和算法的成熟�？紤]到圖像的重建性能和網(wǎng)絡的訓練時間以及圖像恢復... 

【文章來源】：內(nèi)蒙古科技大學內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：52 頁

【學位級別】：碩士

【部分圖文】：

最近鄰插值算法

- 16 - 0. 8 0. 3 0.5 圖2.1 稀疏編碼示意圖上圖對應的線性表達式為 1 2 256 , , , 0 , 0 , , 0 , 0. 8 , 0 , , 0 , 0. 3 , 0 , 0 , 0. 5 , 0。由于nx R是由高分辨率圖像 X 依據(jù)預先設定好的尺寸經(jīng)過分塊處理后的所得到的圖像塊的向量表示，將大量的高分辨率圖像進行訓練就可以獲得一個過完備字典 HD K n，其具有K 個元素，而且其存在一個稀疏系數(shù) 和高分辨率圖像塊x 相互對應，其關系表示如下式2.3 所示：0Hmin ,stx D (式 2.3)由于高分辨率圖像 和低分辨率圖像Y 本身就具有圖像特征上的明確的指向性關系，所以高、低分辨率的圖像塊x、y之間也具有相應的指向性關系，并且稀疏系數(shù) 和高分辨率圖像塊 也是相互對應的，因此它們之間的關系可表示為下式 2.4 所示：Hy LD (式 2.4)在式 2.4 中

【參考文獻】：
期刊論文
[1]基于導向濾波與迭代反向投影的遙感影像超分辨率重建[J]. 郭桐宇.  測繪與空間地理信息. 2019(01)
[2]基于模糊最大似然估計算法的遙感影像分割[J]. 徐艷.  測繪與空間地理信息. 2019(01)
[3]應用紗線序列圖像的色紡機織物仿真[J]. 潘如如,李忠健,唐佩君,姜川.  棉紡織技術. 2019(01)
[4]基于LK和FAST的時間序列圖像快速配準算法[J]. 荊瀅,齊乃新,楊小岡,盧瑞濤.  紅外與激光工程. 2018(11)
[5]迭代二次規(guī)劃遮擋點恢復[J]. 彭亞麗,劉侍剛,孫增國,洪靈,曹菡.  電子學報. 2018(11)
[6]關于深度學習的綜述與討論[J]. 胡越,羅東陽,花奎,路海明,張學工.  智能系統(tǒng)學報. 2019(01)
[7]基于深度卷積神經(jīng)網(wǎng)絡的圖像重建算法[J]. 于波,方業(yè)全,劉閩,董君陶.  計算機系統(tǒng)應用. 2018(09)
[8]基于生成對抗網(wǎng)絡的單幀紅外圖像超分辨算法[J]. 邵保泰,湯心溢,金璐,李爭.  紅外與毫米波學報. 2018(04)
[9]超分辨率圖像重建效果優(yōu)化算法研究[J]. 王旸.  控制工程. 2018(05)
[10]紅外圖像超分辨率重建技術研究[J]. 王岳,李雙喜,王磊.  激光與紅外. 2018(04)

碩士論文
[1]基于超分辨率重建的圖像特征提取方法研究[D]. 徐鵬濤.大連理工大學 2017
[2]基于動態(tài)卷積及學習率自適應的圖像超分重建方法研究[D]. 曹雪.北京工業(yè)大學 2017
[3]協(xié)稀疏表示模型在圖像復原中的應用[D]. 薛紀令.杭州電子科技大學 2015
[4]基于學習的圖像超分辨率重建算法研究[D]. 范開乾.中國科學技術大學 2014
[5]基于L1范數(shù)圖像超分辨率重建算法研究[D]. 王斌.重慶大學 2014
[6]基于多尺度相似結構學習的單幅圖像超分辨率重建[D]. 申世聞.南京理工大學 2014
[7]面向車牌圖像增強的多幅圖像超分辨率技術研究[D]. 陳娜.長春理工大學 2012



本文編號：3210645