学位论文 > 优秀研究生学位论文题录展示

基于字典的超分辨率算法研究及其应用

作　者: 周婷婷
导　师: 李落清
学　校: 湖北大学
专　业: 应用数学
关键词: 超分辨率字典学习稀疏表达
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 41次
引　用: 0次
阅　读: 论文下载

内容摘要

高分辨率图像已广泛应用于各行各业,如卫星图像、生物识别、模式识别和医学诊断等。但一方面,由于电荷耦合元件(Charge-coupled Device, CCD)像素大小的限制,高分辨率图像很难被获取；另一方面高分辨CCD相机体积和质量较大,制作起来费用昂贵。为了满足低消费高分辨率图像的需求,一种名为超分辨的技术孕育而生。超分辨图像重构可以看作是由一幅或多幅低分辨率图像中重构出一幅高分辨率图像。一般来说,存在的方法可以分成三类：基于插值、基于重建和基于学习的超分辨率重构。基于插值的方法是最常用的加强单幅图像分辨率的方法,但该方法会导致图像过于平滑,并且会伴随有锯齿和振铃现象。基于重构的方法是要满足多幅低分辨率图像都来自于同一个场景,假设低分辨率图像之间存在亚像素的平移。基于这一假设,重构的高分辨率图像可以通过所有低分辨图像融合得到。然而,在当亚像素平移过少或者放大因子过大时,该方法不能得到很好的效果。近几年,基于学习的超分辨率重构技术得到了广泛的关注。不同于前面提到的两种方法,大量的低分辨率和高分辨率图像块之间的先验信息被应用到基于学习的超分辨率方法中。在众多基于学习的方法中,基于联合字典学习的方法由于其卓越性能而颇为流行,然而在理论上训练字典的过程和重构图像的过程不能相互协调或者达成一致。因此,在本论文中一种新的基于共轭字典的超分辨率算法被提出。不同于传统的基于联合字典的学习方法,本文提出的算法是将低分辨字典和高分辨字典分开训练。首先学习低分辨字典和对应的稀疏表达,然后运用L2-Boosting算法得到高分辨字典。大量的实验结果验证了本论文提出的基于共轭字典的超分辨重构方法无论从视觉效果还是从统计指标上都优于传统的基于联合字典的超分辨重构方法。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-14
  1.1 图像超分辨率的研究背景、目的及应用  9-10
  1.2 国内外的研究现状  10-12
  1.3 本课题的主要研究内容及论文的结构  12-14
第2章图像超分辨率重构技术  14-33
  2.1 基于插值的超分辨率重构  14-21
    2.1.1 最邻近插值  14-15
    2.1.2 双线性插值  15-16
    2.1.3 三次样条插值  16
    2.1.4 Hanning和Hamming插值  16-17
    2.1.5 Lanczos插值  17
    2.1.6 边缘自适应的图像插值  17-21
    2.1.7 小结  21
  2.2 基于重建的超分辨率重构  21-27
    2.2.1 迭代反向投影法  21-22
    2.2.2 最大似然法  22
    2.2.3 最大后验概率估计法  22-23
    2.2.4 凸集投影法  23
    2.2.5 正则化类法  23-24
    2.2.6 回归类法  24-26
    2.2.7 滤波类法  26-27
    2.2.8 小结  27
  2.3 基于学习的超分辨率重构  27-30
    2.3.1 最邻近算法  28
    2.3.2 K-NN算法  28-29
    2.3.3 流形学习算法  29
    2.3.4 稀疏编码算法  29
    2.3.5 其他算法  29-30
    2.3.6 小结  30
  2.4 图像质量评价指标  30-33
    2.4.1 均方误差  30-31
    2.4.2 峰值信噪比  31
    2.4.3 平均结构相似性  31-32
    2.4.4 小结  32-33
第3章基于字典学习的超分辫率重构  33-49
  3.1 图像的稀疏表达  33-35
  3.2 稀疏表示问题的优化算法  35-43
    3.2.1 贪婪算法  35-39
      3.2.1.1 MP算法  35-37
      3.2.1.2 OMP算法  37-39
    3.2.2 最优化算法  39-41
      3.2.2.1 基追踪算法  39
      3.2.2.2 Bregman迭代正则化算法  39-41
    3.2.3 基于稀疏贝叶斯的算法  41-43
  3.3 冗余字典的设计  43-46
    3.3.1 最佳方向算法  43-44
    3.3.2 广义PCA算法  44
    3.3.3 K-SVD算法  44-46
  3.4 基于稀疏表示的超分辨率图像重构  46-47
  3.5 超分辨字典的学习  47-49
第4章基于共轭字典的超分辨重构  49-57
  4.1 理论分析  49-51
  4.2 实验结果与分析  51-57
    4.2.1 训练样本和字典的选择  51
    4.2.2 实验结果  51-57
第5章结束语  57-58
  5.1 总结  57
  5.2 展望  57-58
参考文献  58-66

基于字典的超分辨率算法研究及其应用

内容摘要

全文目录

相似论文