作為圖像處理領(lǐng)域中的基本問題,超分辨率(Super-Resolution,SR)技術(shù)在許多實際場景有著廣泛的運用,特別是在醫(yī)學(xué)成像、遙感成像和影音娛樂等領(lǐng)域。圖像SR技術(shù)能夠在不升級現(xiàn)有采集設(shè)備的情況下,提高采集圖像分辨率,改善圖像畫面質(zhì)量。因此單圖像SR問題本身的研究具有重要的實際意義。在傳統(tǒng)的圖像超分辨率技術(shù)中,通過對低分辨率(Low Resolution,LR)圖像進行插值來獲得高分辨圖像(High Resolution,HR)。由于復(fù)雜度較低,基于插值的SR方法得到了廣泛應(yīng)用,但該方法效果不佳,生成的圖像較為模糊�；谥亟ǖ腟R方法是一類受到廣泛關(guān)注的方法,相對而言具備較好的效果。此類方法的性能主要依賴于對圖像先驗信息的運用,但是,多數(shù)方法沒有有效利用圖像局部與非局部的先驗信息,導(dǎo)致最終效果不佳。為了解決上述問題,本文研究了兩個聯(lián)合運用局部及非局部先驗信息的圖像SR算法:(1)提出了一種基于非局部全變分(Non-local Total Variation,NLTV)模型和引導(dǎo)核回歸(Steering Kernel Regression,SKR)模型的圖像超分辨率算法。首先,通過...

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 超分辨率技術(shù)研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的研究工作與章節(jié)安排
第二章 相關(guān)研究工作簡介
    2.1 單圖像超分辨率的基本理論模型
    2.2 常見的局部及非局部模型
        2.2.1 引導(dǎo)核回歸模型
        2.2.2 非局部均值模型
        2.2.3 非局部全變分模型
        2.2.4 非局部引導(dǎo)核回歸模型
        2.2.5 引導(dǎo)核回歸合并非局部均值模型
    2.3 本章小結(jié)
第三章 基于非局部均值和總變分的單圖像超分辨率算法
    3.1 自適應(yīng)形狀的NLM模型
    3.2 自適應(yīng)形狀的NLTV模型
    3.3 求解方法
    3.4 實驗結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于局部與非局部先驗融合模型的單圖像超分辨率算法
    4.1 改進的NLSKR模型
    4.2 聯(lián)合應(yīng)用ASNLM及I-NLSKR的重建模型及算法
    4.3 實驗結(jié)果與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 研究展望
參考文獻
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號：3762876