圖像超分辨率重建是目前計算機視覺研究領(lǐng)域中的一個重要分支.因為該技術(shù)可以在不改變成像設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)學圖像、視頻編解碼、模式識別等領(lǐng)域中有廣泛的應用.本文在卷積稀疏編碼算法的基礎上,利用深度學習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.基于自適應卷積稀疏編碼和卷積神經(jīng)網(wǎng)絡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)系來重建低頻部分的高分辨率圖像.同時提出了自適應卷積稀疏編碼方法來重建高頻部分的高分辨率圖像.對比實驗表明,本文提出的自適應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各通道的低分辨率圖像的高頻部分和低頻部分進行重建,然后對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...

【文章頁數(shù)】：63 頁

【學位級別】：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 預備知識
    2.1 卷積神經(jīng)網(wǎng)絡
    2.2 評價指標
    2.3 本章小結(jié)
3 基于自適應卷積稀疏編碼和卷積神經(jīng)網(wǎng)絡的圖像超分辨率重建算法
    3.1 引言
    3.2 基于自適應卷積稀疏編碼和卷積神經(jīng)網(wǎng)絡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 實驗結(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 實驗結(jié)果
        4.3.1 四通道的優(yōu)勢
        4.3.2 圖像超分辨率重建
        4.3.3 抗噪性實驗
        4.3.4 時間復雜度
    4.4 本章小結(jié)
5 基于自適應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 實驗
        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 進一步需要開展的工作
參考文獻
作者簡歷



本文編號：3831764