單幀圖像的超分辨率重建（SR）是圖像處理與計算機視覺中的一個熱點問題,旨在從輸入的低分辨率（LR）圖像中恢復(fù)高分辨率（HR）圖像.該技術(shù)在生物識別,醫(yī)學(xué)影像診斷和遙感圖像檢測等領(lǐng)域具有廣泛的應(yīng)用.本文基于稀疏表示理論和神經(jīng)網(wǎng)絡(luò)的逼近原理,進行了基于前饋神經(jīng)網(wǎng)絡(luò)和聚類的圖像超分辨率重建算法研究、基于自適應(yīng)稀疏表示和自學(xué)習(xí)的超分辨率重建算法研究,基于自適應(yīng)稀疏表示和半耦合字典學(xué)習(xí)的圖像超分辨率重建算法研究.具體研究內(nèi)容如下:1.基于回歸的圖像超分辨率重建問題的關(guān)鍵在于建立高、低分辨率圖像補丁之間的一種映射關(guān)系,以此獲得較好的重建效果.鑒于神經(jīng)網(wǎng)絡(luò)強大的非線性逼近能力,并結(jié)合聚類的思想,本文提出一種新的基于二維反向傳播算法（2D-BP）的超分辨率重建算法.首先,我們將低分辨率圖像的特征空間聚類為幾個子空間,并對相應(yīng)的高分辨率子空間分組.根據(jù)在聚類過程中學(xué)習(xí)到的補丁的局部幾何性質(zhì),每個聚類中心從整個特征空間中收集大量的相鄰的特征子集組成新的特征子空間.其次,構(gòu)造二維前向神經(jīng)網(wǎng)絡(luò)來學(xué)習(xí)每個子空間中高、低分辨率特征之間的映射關(guān)系.對比實驗顯示,本文所提的方法具有較好的重構(gòu)效果.2.本文提出了一種基... 

【文章來源】：中國計量大學(xué)浙江省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 研究背景及意義
    1.2 圖像超分辨率研究現(xiàn)狀
    1.3 本文主要工作及結(jié)構(gòu)安排
2 基礎(chǔ)知識
    2.1 圖像的觀測模型
    2.2 信號稀疏表示模型
    2.3 單隱層前饋神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法
    2.4 評價指標(biāo)
    2.5 本章小結(jié)
3 基于前饋神經(jīng)網(wǎng)絡(luò)和聚類的圖像超分辨率重建算法
    3.1 引言
    3.2 基于誤差反傳的單隱層的前饋神經(jīng)網(wǎng)絡(luò)模型
    3.3 基于前饋神經(jīng)網(wǎng)絡(luò)和聚類的圖像超分辨率重建方法
        3.3.1 特征提取和聚類
        3.3.2 訓(xùn)練和測試階段
    3.4 實驗結(jié)果與分析
    3.5 本章小結(jié)
4 基于自適應(yīng)稀疏表示和自學(xué)習(xí)的圖像超分辨率重建算法
    4.1 引言
    4.2 所提出的SL-ASR超分辨率重建方法
        4.2.1 基于自適應(yīng)稀疏表示的優(yōu)化模型
        4.2.2 SL-ASR方法的模型求解
    4.3 實驗結(jié)果和分析
    4.4 本章小結(jié)
5 基于自適應(yīng)稀疏表示和半耦合字典學(xué)習(xí)的超分辨率重建算法
    5.1 引言
    5.2 所提出的ASC-SCDL超分辨率重建方法
        5.2.1 基于自適應(yīng)稀疏表示的半耦合字典學(xué)習(xí)
        5.2.2 訓(xùn)練階段
        5.2.3 重建階段
    5.3 實驗結(jié)果與分析
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 研究結(jié)論
    6.2 研究展望
參考文獻
作者簡歷


【參考文獻】：
期刊論文
[1]基于非局部相似性和分類半耦合字典學(xué)習(xí)的超分辨率重建[J]. 楊愛萍,鐘騰飛,何宇清.  天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版). 2015(01)



本文編號：3241400