基于映射矩陣的圖像超分辨率算法研究
發(fā)布時間：2021-08-13 08:43
在計算機(jī)視覺領(lǐng)域中,圖像超分辨率重建技術(shù)是其中的一個研究熱點,其可以在不改變現(xiàn)有的硬件成像設(shè)備下,能夠還原出更清晰的圖像。所以,圖像超分辨率重建能夠被廣泛的運用在諸多關(guān)鍵的領(lǐng)域上,比如:公共安全、遙感圖像、數(shù)據(jù)壓縮、高清視頻等。圖像超分辨率重建是通過使用一系列算法對低分辨率圖像進(jìn)行處理,得到一幅輸出的高分辨率圖像。傳統(tǒng)的超分辨重建算法重建出的圖像,存在模糊問題和偽影現(xiàn)象。為了提高圖像重建的清晰度,本文主要在基于錨點回歸的方法的基礎(chǔ)上展開相關(guān)的研究,所作的主要工作和創(chuàng)新點有:（1）為了不受外部圖像樣本集的限制,本文構(gòu)建基于圖像本身的樣本集。從能量的角度對圖像進(jìn)行分析,圖像的能量主要集中在低頻分量上,高頻分量所占的能量只是其中的極少部分。因此,為了更好的恢復(fù)圖像的高頻信息,本文先用水平梯度算子和垂直梯度算子把圖像的高頻分量提取出來,再分別對高頻分量和低頻分量分開重建。最后,采用迭代算法聯(lián)合重構(gòu)出低頻信息和高頻信息。與其它超分辨率算法相比,仿真實驗證明了本文所提出的方法重建出的圖像在圖像的邊緣上更銳利。（2）針對現(xiàn)有的錨點回歸方法重建出的圖像存在邊緣較模糊的問題,本文先引入一個卡通紋理分解算...
【文章來源】：浙江師范大學(xué)浙江省
【文章頁數(shù)】：72 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖像退化過程模型圖
2基于錨點回歸的圖像超分辨率重建251.0Y按照00.98,0,1,...,20iiXYi作下采樣操作。2.取步驟1處理后的圖像，做90°、180°、270°旋轉(zhuǎn)和翻轉(zhuǎn)。3.取步驟1和步驟2的結(jié)果圖像，作為0Y的高分辨率圖像訓(xùn)練集。4.0Y的高分辨率圖像訓(xùn)練集做模糊和下采樣操作后，得到的圖像作為0Y的低分辨率圖像訓(xùn)練集。2.4.2重建階段算法圖2.1給出所提出方法在重建階段的算法框架圖，如下：圖2.1重建階段框架圖從圖2.1中可以看出，所提出方法在重建階段由三個部分組成：低頻重建、高頻重建和聯(lián)合重建。首先，對輸入的測試圖像進(jìn)行低頻恢復(fù)，得到一幅低頻恢復(fù)圖像；其次，用脊回歸的方法分別恢復(fù)水平梯度圖像和垂直梯度圖像；最后，把這三幅圖像進(jìn)行聯(lián)合，作為最終輸出的高分辨率圖像。算法2.2給出所提出方法在重建階段的算法步驟，如下：
3基于卡通紋理分解的圖像超分辨率重建36通字典和紋理字典的原子，分別進(jìn)行回歸學(xué)習(xí)卡通映射函數(shù)和紋理映射函數(shù)。圖3.1訓(xùn)練階段算法框架圖算法3.1給出所提出方法在訓(xùn)練階段的算法步驟，如下：算法3.1訓(xùn)練階段訓(xùn)練階段算法步驟輸入：圖像訓(xùn)練集輸出：一對卡通字典對、一對紋理字典對、卡通映射矩陣和紋理映射矩陣1.卡通紋理分解原始圖像訓(xùn)練集。2.采用M-KSVD方法和偽逆方法在卡通圖像訓(xùn)練集中，分別學(xué)習(xí)低分辨率卡通字典和高分辨率卡通字典。3.重復(fù)步驟2的方法，在紋理圖像訓(xùn)練集中學(xué)習(xí)低分辨率紋理字典和高分辨率紋理字典。4.尋找卡通字典原子和紋理字典原子的最近鄰。5.按照式（3.14）求解卡通映射矩陣。6.按照式（3.15）求解紋理映射矩陣。3.5.2重建階段算法流程圖3.2給出了所提出方法在重建階段的算法框架圖。首先，用卡通紋理分解算法對輸入的低分辨率測試圖像進(jìn)行卡通紋理分解，把測試圖像分解成兩幅圖像：低分辨率卡通圖像和低分辨率紋理圖像。接著分別對這兩幅圖像進(jìn)行分塊操作，分塊完成后得到兩類圖像塊集：卡通圖像塊集合和紋理圖像塊集。然后，為了重建出高分辨率卡通圖像和紋理圖像，需要為卡通圖像塊和紋理圖像塊分別尋找各自的最合適卡通映射
【參考文獻(xiàn)】：
期刊論文
[1]圖像超分辨率技術(shù)的回顧與展望[J]. 劉穎,朱麗,林慶帆,李瑩華,王富平,盧津. 計算機(jī)科學(xué)與探索. 2020(02)
[2]基于稀疏表示的圖像超分辨率重建算法設(shè)計[J]. 石翠萍,王晴. 微電子學(xué)與計算機(jī). 2019(10)
[3]基于自適應(yīng)錨定鄰域回歸的圖像超分辨率算法[J]. 葉雙,楊曉敏,嚴(yán)斌宇. 計算機(jī)應(yīng)用. 2019(10)
[4]一種自適應(yīng)稀疏表示和非局部自相似性的圖像超分辨率重建算法[J]. 張福旺,苑會娟. 計算機(jī)科學(xué). 2019(S1)
[5]關(guān)于插值算法的超分辨恢復(fù)[J]. 張艷霞,郝英,楊其榮. 南昌大學(xué)學(xué)報(理科版). 2017(01)
本文編號：3340114
【文章來源】：浙江師范大學(xué)浙江省
【文章頁數(shù)】：72 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖像退化過程模型圖
2基于錨點回歸的圖像超分辨率重建251.0Y按照00.98,0,1,...,20iiXYi作下采樣操作。2.取步驟1處理后的圖像，做90°、180°、270°旋轉(zhuǎn)和翻轉(zhuǎn)。3.取步驟1和步驟2的結(jié)果圖像，作為0Y的高分辨率圖像訓(xùn)練集。4.0Y的高分辨率圖像訓(xùn)練集做模糊和下采樣操作后，得到的圖像作為0Y的低分辨率圖像訓(xùn)練集。2.4.2重建階段算法圖2.1給出所提出方法在重建階段的算法框架圖，如下：圖2.1重建階段框架圖從圖2.1中可以看出，所提出方法在重建階段由三個部分組成：低頻重建、高頻重建和聯(lián)合重建。首先，對輸入的測試圖像進(jìn)行低頻恢復(fù)，得到一幅低頻恢復(fù)圖像；其次，用脊回歸的方法分別恢復(fù)水平梯度圖像和垂直梯度圖像；最后，把這三幅圖像進(jìn)行聯(lián)合，作為最終輸出的高分辨率圖像。算法2.2給出所提出方法在重建階段的算法步驟，如下：
3基于卡通紋理分解的圖像超分辨率重建36通字典和紋理字典的原子，分別進(jìn)行回歸學(xué)習(xí)卡通映射函數(shù)和紋理映射函數(shù)。圖3.1訓(xùn)練階段算法框架圖算法3.1給出所提出方法在訓(xùn)練階段的算法步驟，如下：算法3.1訓(xùn)練階段訓(xùn)練階段算法步驟輸入：圖像訓(xùn)練集輸出：一對卡通字典對、一對紋理字典對、卡通映射矩陣和紋理映射矩陣1.卡通紋理分解原始圖像訓(xùn)練集。2.采用M-KSVD方法和偽逆方法在卡通圖像訓(xùn)練集中，分別學(xué)習(xí)低分辨率卡通字典和高分辨率卡通字典。3.重復(fù)步驟2的方法，在紋理圖像訓(xùn)練集中學(xué)習(xí)低分辨率紋理字典和高分辨率紋理字典。4.尋找卡通字典原子和紋理字典原子的最近鄰。5.按照式（3.14）求解卡通映射矩陣。6.按照式（3.15）求解紋理映射矩陣。3.5.2重建階段算法流程圖3.2給出了所提出方法在重建階段的算法框架圖。首先，用卡通紋理分解算法對輸入的低分辨率測試圖像進(jìn)行卡通紋理分解，把測試圖像分解成兩幅圖像：低分辨率卡通圖像和低分辨率紋理圖像。接著分別對這兩幅圖像進(jìn)行分塊操作，分塊完成后得到兩類圖像塊集：卡通圖像塊集合和紋理圖像塊集。然后，為了重建出高分辨率卡通圖像和紋理圖像，需要為卡通圖像塊和紋理圖像塊分別尋找各自的最合適卡通映射
【參考文獻(xiàn)】：
期刊論文
[1]圖像超分辨率技術(shù)的回顧與展望[J]. 劉穎,朱麗,林慶帆,李瑩華,王富平,盧津. 計算機(jī)科學(xué)與探索. 2020(02)
[2]基于稀疏表示的圖像超分辨率重建算法設(shè)計[J]. 石翠萍,王晴. 微電子學(xué)與計算機(jī). 2019(10)
[3]基于自適應(yīng)錨定鄰域回歸的圖像超分辨率算法[J]. 葉雙,楊曉敏,嚴(yán)斌宇. 計算機(jī)應(yīng)用. 2019(10)
[4]一種自適應(yīng)稀疏表示和非局部自相似性的圖像超分辨率重建算法[J]. 張福旺,苑會娟. 計算機(jī)科學(xué). 2019(S1)
[5]關(guān)于插值算法的超分辨恢復(fù)[J]. 張艷霞,郝英,楊其榮. 南昌大學(xué)學(xué)報(理科版). 2017(01)
本文編號：3340114
本文鏈接：http://sikaile.net/kejilunwen/shengwushengchang/3340114.html
最近更新
教材專著
