圖像超分辨率重建是目前計(jì)算機(jī)視覺(jué)研究領(lǐng)域中的一個(gè)重要分支.因?yàn)樵摷夹g(shù)可以在不改變成像設(shè)備的條件下有效地提升圖像的質(zhì)量,所以在衛(wèi)星圖像、醫(yī)學(xué)圖像、視頻編解碼、模式識(shí)別等領(lǐng)域中有廣泛的應(yīng)用.本文在卷積稀疏編碼算法的基礎(chǔ)上,利用深度學(xué)習(xí)理論和稀疏表示理論研究圖像超分辨率重建算法.具體工作如下:1.基于自適應(yīng)卷積稀疏編碼和卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建算法.首先,采用低通濾波將低分辨率圖像分成低頻部分和高頻部分.其次,利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建低頻部分的低分辨率圖像和其高分辨率圖像之間的映射關(guān)系來(lái)重建低頻部分的高分辨率圖像.同時(shí)提出了自適應(yīng)卷積稀疏編碼方法來(lái)重建高頻部分的高分辨率圖像.對(duì)比實(shí)驗(yàn)表明,本文提出的自適應(yīng)卷積稀疏編碼算法比卷積稀疏編碼算法、卷積神經(jīng)網(wǎng)絡(luò)等圖像超分辨率算法具有更好的重建效果.2.基于四通道的卷積稀疏編碼圖像超分辨率重建算法.該方法將輸入圖像依次翻轉(zhuǎn)九十度作為四通道的各自輸入,首先將輸入圖像分解成高頻和低頻部分,分別利用卷積稀疏編碼算法和三次插值算法對(duì)各通道的低分辨率圖像的高頻部分和低頻部分進(jìn)行重建,然后對(duì)四通道輸出圖像加權(quán)求均值獲得重建的高分辨率圖像.本文所提算法提高了重建圖...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 圖像超分辨率重建及意義
    1.2 圖像超分辨率重建研究現(xiàn)狀
    1.3 本文主要工作和結(jié)構(gòu)
2 預(yù)備知識(shí)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 評(píng)價(jià)指標(biāo)
    2.3 本章小結(jié)
3 基于自適應(yīng)卷積稀疏編碼和卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建算法
    3.1 引言
    3.2 基于自適應(yīng)卷積稀疏編碼和卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建方法
        3.2.1 低分辨率圖像的分解
        3.2.2 基于CNN的低頻部分Yl的圖像超分辨率重建
        3.2.3 基于ACSC的圖像高頻部分的超分辨率重建
        3.2.4 重建高分辨率圖像X
    3.3 實(shí)驗(yàn)結(jié)果和分析
        3.3.1 HACSC-SRvs.CNN和CSC-SR
        3.3.2 重建效果
        3.3.3 抗噪性
    3.4 本章小結(jié)
4 基于四通道卷積稀疏編碼的超分辨率重建算法
    4.1 引言
    4.2 基于四通道卷積稀疏編碼模型和算法
        4.2.1 低分辨率圖像的高頻與低頻部分分解
        4.2.2 低分辨率圖像高頻部分的超分辨率重建
        4.2.3 高頻部分和低頻部分的高分辨率圖
    4.3 實(shí)驗(yàn)結(jié)果
        4.3.1 四通道的優(yōu)勢(shì)
        4.3.2 圖像超分辨率重建
        4.3.3 抗噪性實(shí)驗(yàn)
        4.3.4 時(shí)間復(fù)雜度
    4.4 本章小結(jié)
5 基于自適應(yīng)字典選擇和卷積稀疏編碼圖像超分辨率重建算法
    5.1 引言
    5.2 基于自適應(yīng)字典選擇和卷積稀疏編碼圖像超分辨率重建算法
        5.2.1 基于自適應(yīng)稀疏域選擇的圖像低頻部分超分辨重建
        5.2.2 基于ACSC的圖像高頻部分的超分辨率重建
        5.2.3 重建高分辨率圖像X
    5.3 實(shí)驗(yàn)
        5.3.1 重建效果
        5.3.2 抗噪性
        5.3.3 四通道重建
    5.4 總結(jié)
6 結(jié)論與展望
    6.1 研究總結(jié)
    6.2 進(jìn)一步需要開展的工作
參考文獻(xiàn)
作者簡(jiǎn)歷



本文編號(hào)：3831764