隨著科技的發(fā)展人們對于圖像質(zhì)量的要求也越來越高,單純從硬件方面進行提高,技術(shù)上已經(jīng)達到瓶頸,且成本較高。研究者們想到從軟件方面進行突破,有望克服硬件成像設備（如手機或攝像機等）的一些固有分辨率的限制,另一方面還可降低成本。因此,近年來圖像超分辨率（SR,Super Resolution）算法研究成為了一個非常活躍的研究領域�，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習的三類�；诓逯档姆椒ㄓ嬎銖碗s度低,重建速度快,但易出現(xiàn)鋸齒效應,重建質(zhì)量差,無法滿足人們對于圖像的需求。基于重建的方法在一定程度上解決了插值算法的不足,使重建質(zhì)量有所提高,但易出現(xiàn)振鈴效應,視覺體驗仍舊不太理想�；趯W習的算法則是首先對訓練集進行學習再進行重建,重建質(zhì)量大大提升。基于學習的SR算法顯著的成果再加上學習算法的蓬勃發(fā)展,廣大研究者熱衷于該類算法的研究。本研究也是基于學習的基礎上提出的單圖像超分辨率改進算法。本文是在基于稀疏表示的圖像SR重建的算法上進行改進的,主要通過學習傳統(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)合實際需求對現(xiàn)有算法提出改進方法,做出有效的解決方案,從而提高圖像質(zhì)量。... 

【文章來源】：浙江師范大學浙江省

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

超分辨率應用實例

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，有些當把圖像放大到一定程度，就會變得非常模糊，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)達到了瓶頸，因此我們要想得到的圖像更為清晰，這時需要的技術(shù)就是圖像 SR 重建了。為方便理解本文后面幾個章節(jié)提出的 SR 算法，本章對 SR 算法理論進行簡要講解，適當使用圖示做出更清晰的表達，并介紹了重建圖像的主觀評價指標和客觀評價指標。2.1 LR 圖像的獲取過程在實際生活中，當人眼從某個場景觀測到一幅或多幅圖像時，整個觀測過程可以模型化表示為下面的觀測模型[43]

設備處理采樣得到數(shù)字圖像，在獲取過程中易出現(xiàn)經(jīng)歷光學模糊、運動模糊，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它進行放大，就有可能出現(xiàn)模糊或馬賽克的測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 恢復出原有的 HR 圖像 X 出多個互不相同的 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

【參考文獻】：
期刊論文
[1]基于小波域隱馬爾可夫樹模型的SAR圖像去噪[J]. 楊燕,黃彥麗,曹金蓮.  測繪與空間地理信息. 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.  焊接學報. 2008(04)



本文編號：3548020