發(fā)布時間：2017-03-21 10:00

  本文關鍵詞：特征提取結合字典學習的超分辨率重建，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像超分辨率重建是一門從退化的低分辨率圖像獲取原始高分辨率圖像的技術,在數(shù)字圖像處理技術領域中占有重要的地位。圖像超分辨率重建技術不需要改變現(xiàn)有的物理設備,而是運用數(shù)字信號處理技術實現(xiàn)圖像分辨率的提高,達到克服硬件精度不夠及節(jié)省硬件成本的目的。目前,圖像超分辨率重建技術被廣泛地應用于遙感監(jiān)測、高清數(shù)字電視、醫(yī)學成像和公共安全等領域。目前,圖像超分辨率重建方法主要包含基于插值、基于重建和基于學習的三類方法。近年來,隨著稀疏表示和矩陣低秩分解理論的不斷發(fā)展,基于稀疏編碼的圖像超分辨率重建方法成為研究熱點�；诖�,本文圍繞圖像超分辨率重建中的關鍵步驟特征提取算法和稀疏編碼中的學習字典構造技術,重點研究了塊haar小波特征提取結合稀疏編碼的單幀圖像超分辨率重建和低秩融合結合稀疏編碼的多幀圖像超分辨率重建。本文內容主要包括以下三個方面：首先,闡述三類圖像超分辨率重建方法的基本原理,并數(shù)字實現(xiàn)了部分算法,給出相應的實驗結果和結果分析,如基于插值方法中的最近鄰插值、雙線性插值和雙三次插值算法；基于重建方法中的迭代反投影算法和凸集投影算法；基于學習方法中的基于示例的算法和鄰域嵌入算法等。其次,圍繞基于稀疏編碼的圖像超分辨率重建算法(具體包括圖像庫選取、圖像特征塊提取和字典訓練方案等)展開研究,本文提出一種新的塊haar小波特征提取結合稀疏編碼的圖像超分辨率重建方法,并給出相應的實驗結果及與其它方法的對比分析。最后,在研究圖像配準算法和矩陣低秩分解理論的基礎上,提出低秩融合結合稀疏編碼的多幀圖像超分辨率重建方法,并給出相應的實驗結果及與其它方法的對比分析�？傊�,圍繞圖像的超分辨率重建問題,本文提出并數(shù)字實現(xiàn)了基于塊haar小波特征提取結合稀疏編碼的單幀圖像超分辨率重建和低秩融合結合稀疏編碼的多幀圖像超分辨率重建方法。更進一步指出,多幀圖像的超分辨率重建,不僅可以融合圖像間的有效信息,還能利用學習字典提供的先驗信息,使圖像重建的效果更好。
【關鍵詞】：特征提取 學習字典 稀疏編碼 低秩融合 超分辨率重建
【學位授予單位】：西北大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-17
• 1.1 研究背景及意義9-10
• 1.2 圖像超分辨率重建技術10-12
• 1.3 圖像質量評價指標12-13
• 1.4 本文主要工作13-14
• 1.5 本文內容安排14-17
• 第二章 常用的圖像超分辨率重建方法17-33
• 2.1 典型圖像退化模型17-19
• 2.2 基于插值的超分辨率重建方法19-23
• 2.2.1 最近鄰插值算法19-20
• 2.2.2 雙線性插值算法20-21
• 2.2.3 雙三次插值算法21-23
• 2.3 基于重建的超分辨率重建方法23-25
• 2.3.1 迭代反向投影法23-24
• 2.3.2 凸集投影法24-25
• 2.4 基于學習的超分辨率重建方法25-32
• 2.4.1 基于示例的方法26-29
• 2.4.2 鄰域嵌入的方法29-32
• 2.5 小結32-33
• 第三章 塊haar小波特征提取結合稀疏編碼的圖像超分辨率重建33-53
• 3.1 稀疏編碼理論及算法33-39
• 3.1.1 信號的稀疏編碼理論33-35
• 3.1.2 信號的稀疏編碼算法35-39
• 3.2 稀疏編碼圖像超分辨率重建步驟39-43
• 3.2.1 圖像庫的采集39
• 3.2.2 訓練樣本集的構造39-40
• 3.2.3 過完備學習字典的訓練40-41
• 3.2.4 LR圖像的超分辨率重建41-43
• 3.3 塊haar小波特征提取43-45
• 3.4 塊haar小波特征提取結合稀疏編碼的圖像超分辨率重建45-51
• 3.4.1 數(shù)學模型46
• 3.4.2 數(shù)值實現(xiàn)46-48
• 3.4.3 實驗結果與分析48-51
• 3.5 小結51-53
• 第四章 低秩融合結合稀疏編碼的圖像超分辨率重建53-69
• 4.1 SURF結合RANSAC算法特征提取53-60
• 4.1.1 SURF算法特征提取54-58
• 4.1.2 RANSAC算法剔除誤匹配點58-60
• 4.2 低秩圖像融合60-63
• 4.2.1 低秩矩陣求解60-61
• 4.2.2 低秩圖像融合61-63
• 4.3 低秩融合結合稀疏編碼的圖像超分辨率重建63-68
• 4.3.1 重建模型63-65
• 4.3.2 數(shù)值實現(xiàn)65
• 4.3.3 實驗結果與分析65-68
• 4.4 小結68-69
• 第五章 總結與展望69-71
• 參考文獻71-77
• 附錄77-79
• 攻讀碩士學位期間取得的科研成果79-81
• 致謝81

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蘇秉華,金偉其,牛麗紅,劉廣榮;超分辨率圖像復原及其進展[J];光學技術;2001年01期

2 譚兵,徐青,耿則勛,邢帥;超分辨率圖象重建技術發(fā)展現(xiàn)狀[J];信息工程大學學報;2003年04期

3 鐘山,沈振康;圖像靜態(tài)超分辨率重建[J];紅外與毫米波學報;2004年02期

4 王勇,鄭輝,胡德文;視頻的超分辨率增強技術綜述[J];計算機應用研究;2005年01期

5 焦斌亮;趙文蕾;;淺析互有位移圖像序列的超分辨率復原[J];遙測遙控;2006年01期

6 袁建華;殷學民;鄒謀炎;;一種有效的超分辨率重建計算方法[J];中國科學院研究生院學報;2006年04期

7 張地;何家忠;彭宏;;低分辨率人臉序列的超分辨率重構識別[J];韶關學院學報;2007年06期

8 梁立恒;邢立新;姜紅艷;王明常;;高保真影像超分辨率重建應用研究[J];吉林大學學報(地球科學版);2007年S1期

9 鄭麗賢;何小海;吳煒;楊曉敏;陳默;;基于學習的超分辨率技術[J];計算機工程;2008年05期

10 浦劍;張軍平;黃華;;超分辨率算法研究綜述[J];山東大學學報(工學版);2009年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 潘明海;劉永坦;趙淑清;徐佳祥;干恒富;;一種多運動目標的超分辨率檢測算法[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

2 李兵兵;陸耀;王曉明;李勁嫻;;基于金字塔回歸策略的人臉超分辨率[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

3 戴光智;陳鐵群;薛家祥;;基于微掃描技術焊縫超聲圖像的超分辨率重建[A];第十七屆全國測控計量儀器儀表學術年會（MCMI'2007）論文集（上冊）[C];2007年

4 鄭杰;韓梅;;基于微位移的超分辨率重建技術[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

5 張光昭;胡敬爐;謝澤明;;超分辨率亞毫米波付里葉變換譜[A];第四屆全國波譜學學術會議論文摘要集[C];1986年

6 繆泓;徐海明;;微平移序列圖像的超分辨率重建技術[A];中國力學學會學術大會'2009論文摘要集[C];2009年

7 徐啟飛;顏剛;陳武凡;;關于序列圖像的超分辨率重建算法[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（上冊）[C];2007年

8 徐忠強;朱秀昌;;基于正則算法的壓縮視頻超分辨率重建[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

9 池小梅;馬建偉;黃景濤;;基于壓縮傳感的超分辨率紅外成像研究[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

10 黃華;何惠婷;;一種基于CCA空間超分辨率的人臉識別方法[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 傅罡;多源遙感數(shù)據(jù)的道路提取方法研究[D];清華大學;2014年

2 巴拉卡，雅各布Maiseli（Baraka Jacob Maiseli）;基于正則化的非線性擴散模型的超分辨率方法[D];哈爾濱工業(yè)大學;2015年

3 王曉峰;基于樣本學習的人臉超分辨率重建技術研究[D];華中科技大學;2015年

4 岳煥景;面向云媒體的圖像處理研究[D];天津大學;2015年

5 楊琛;提高集成成像與集成全息系統(tǒng)成像質量方法的研究[D];西安電子科技大學;2015年

6 何蕾;基于稀疏表達的連分式插值核的圖像/視頻超分辨率重建方法研究[D];合肥工業(yè)大學;2015年

7 樊程廣;超聲相控陣超分辨率成像方法研究[D];國防科學技術大學;2014年

8 袁建華;超分辨率重建中若干問題的研究[D];中國科學院研究生院（電子學研究所）;2006年

9 范沖;三線陣影像超分辨率重建[D];中南大學;2007年

10 張小紅;視頻去運動模糊及超分辨率研究[D];浙江大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李智盛;壓縮傳感在超分辨率中的應用[D];清華大學;2011年

2 劉妮妮;基于(2D)~2PCA的低分辨率人臉識別[D];大連海事大學;2016年

3 唐欣;基于機器學習的多維數(shù)據(jù)壓縮算法研究[D];上海交通大學;2015年

4 尚秀偉;多幅圖像的快速超分辨率重建方法研究[D];北方工業(yè)大學;2016年

5 劉艷玲;陣列圖像的超分辨率重建[D];北方工業(yè)大學;2016年

6 萬丹鳳;基于位置塊的人臉超分辨率算法研究[D];北京理工大學;2016年

7 呂澤江;基于POCS算法的人臉檢測研究[D];吉林大學;2016年

8 朱虹;基于壓縮感知的超分辨率圖像重建算法研究[D];西北師范大學;2015年

9 郭萌;基于改進POCS的紅外弱小目標超分辨率復原算法研究[D];吉林大學;2016年

10 郭良;基于自相似性的單幅圖像超分辨率重建算法研究[D];山東大學;2016年

  本文關鍵詞：特征提取結合字典學習的超分辨率重建，，由筆耕文化傳播整理發(fā)布。

本文編號：259418