發(fā)布時(shí)間：2021-12-23 07:01

　　隨著科技的發(fā)展人們對(duì)于圖像質(zhì)量的要求也越來(lái)越高,單純從硬件方面進(jìn)行提高,技術(shù)上已經(jīng)達(dá)到瓶頸,且成本較高。研究者們想到從軟件方面進(jìn)行突破,有望克服硬件成像設(shè)備（如手機(jī)或攝像機(jī)等）的一些固有分辨率的限制,另一方面還可降低成本。因此,近年來(lái)圖像超分辨率（SR,Super Resolution）算法研究成為了一個(gè)非�；钴S的研究領(lǐng)域�，F(xiàn)今SR算法可大體分為:基于插值的、基于重建的和基于學(xué)習(xí)的三類�；诓逯档姆椒ㄓ�(jì)算復(fù)雜度低,重建速度快,但易出現(xiàn)鋸齒效應(yīng),重建質(zhì)量差,無(wú)法滿足人們對(duì)于圖像的需求�；谥亟ǖ姆椒ㄔ谝欢ǔ潭壬辖鉀Q了插值算法的不足,使重建質(zhì)量有所提高,但易出現(xiàn)振鈴效應(yīng),視覺(jué)體驗(yàn)仍舊不太理想�；趯W(xué)習(xí)的算法則是首先對(duì)訓(xùn)練集進(jìn)行學(xué)習(xí)再進(jìn)行重建,重建質(zhì)量大大提升�；趯W(xué)習(xí)的SR算法顯著的成果再加上學(xué)習(xí)算法的蓬勃發(fā)展,廣大研究者熱衷于該類算法的研究。本研究也是基于學(xué)習(xí)的基礎(chǔ)上提出的單圖像超分辨率改進(jìn)算法。本文是在基于稀疏表示的圖像SR重建的算法上進(jìn)行改進(jìn)的,主要通過(guò)學(xué)習(xí)傳統(tǒng)SR算法以及稀疏表示方法,在深入理解其基本思想后,結(jié)合實(shí)際需求對(duì)現(xiàn)有算法提出改進(jìn)方法,做出有效的解決方案,從而提高圖像質(zhì)量。... 

【文章來(lái)源】：浙江師范大學(xué)浙江省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

超分辨率應(yīng)用實(shí)例

圖像 SR 算法是使用軟件的方法提升原有圖像分辨率的一種技術(shù)。我們從自然界中獲取的圖像有些可能是模糊的，有些當(dāng)把圖像放大到一定程度，就會(huì)變得非常模糊，出現(xiàn)類似于馬賽克的情況。這些都是由于直接獲取的圖像很多情況下都是像素較低的，而眾所周知給定的圖像像素越高，表示圖像質(zhì)量越接近于原始圖像，單純從硬件上提高圖像質(zhì)量成本高且已經(jīng)達(dá)到了瓶頸，因此我們要想得到的圖像更為清晰，這時(shí)需要的技術(shù)就是圖像 SR 重建了。為方便理解本文后面幾個(gè)章節(jié)提出的 SR 算法，本章對(duì) SR 算法理論進(jìn)行簡(jiǎn)要講解，適當(dāng)使用圖示做出更清晰的表達(dá)，并介紹了重建圖像的主觀評(píng)價(jià)指標(biāo)和客觀評(píng)價(jià)指標(biāo)。2.1 LR 圖像的獲取過(guò)程在實(shí)際生活中，當(dāng)人眼從某個(gè)場(chǎng)景觀測(cè)到一幅或多幅圖像時(shí)，整個(gè)觀測(cè)過(guò)程可以模型化表示為下面的觀測(cè)模型[43]

設(shè)備處理采樣得到數(shù)字圖像，在獲取過(guò)程中易出現(xiàn)經(jīng)歷光學(xué)模糊、運(yùn)動(dòng)模糊，下采樣，以及外界噪聲 圖像�？上攵覀兊玫降脑搱D像清晰度是不夠需要對(duì)它進(jìn)行放大，就有可能出現(xiàn)模糊或馬賽克的測(cè)模型我們便可以很好的理解研究者提出的圖像降Y = S X ￠ 的 HR 圖像，S 指下采樣算子，B 指模糊算子，n指看出，根據(jù) LR 圖像 Y 恢復(fù)出原有的 HR 圖像 X 出多個(gè)互不相同的 HR 圖像。因此這里就引出了唯一的 HR 圖像。HR 圖像與 LR 圖像之間的退化關(guān)

【參考文獻(xiàn)】：
期刊論文
[1]基于小波域隱馬爾可夫樹(shù)模型的SAR圖像去噪[J]. 楊燕,黃彥麗,曹金蓮.  測(cè)繪與空間地理信息. 2014(05)
[2]MAG焊熔池圖像的超分辨率分析[J]. 戴光智,陳鐵群,薛家祥,姚屏.  焊接學(xué)報(bào). 2008(04)



本文編號(hào)：3548020