学位论文 > 优秀研究生学位论文题录展示

基于多任务学习的图像超分辨率重建方法研究

作 者: 贾平
导 师: 李树涛
学 校: 湖南大学
专 业: 控制科学与工程
关键词: 图像超分辨率重建 单任务学习算法 多任务学习算法 高斯混合模型 期望-最大化算法
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 225次
引 用: 0次
阅 读: 论文下载
 

内容摘要


由于光学成像系统本身的物理属性限制以及外界环境的影响,获得的图像分辨率可能达不到应用的要求,于是人们希望对现有的低分辨率图像进行超分辨率重建。图像超分辨率重建技术是近年来图像处理领域最活跃的研究课题之一。该技术的基本思想是从一幅低分辨率图像或者多幅低分辨率图像得到一幅高分辨率图像。它可以恢复截止频率之外的信息,使图像具有更丰富的细节信息,这一技术不仅在实际生活中有广泛的应用领域,而且在理论上具有很重要的意义。本文针对基于学习算法解决超分辨率重建问题,完成的主要工作有:从频域和空域角度详细研究并分析了图像超分辨率重建技术相关算法的原理、实现及其优缺点。包括传统插值算法、迭代反投影法、凸集投影算法算法、概率统计法和基于单任务学习重建算法。针对利用单任务学习解决复杂学习问题时精度不高和抗噪能力差的缺点,研究了一种多任务学习算法。详细分析了该算法的理论框架以及在引入关系测度因子的基础上进行运算的简化。在此框架基础上,结合支持向量回归理论,对多任务学习回归算法的目标优化函数以及对偶问题进行了详细推导。提出了基于多任务学习的图像超分辨率重建技术。为了使观测数据更具有针对性,首先利用高斯混合模型对图像像素进行了分类,并根据最大隶属度原则为不同的像素类选择训练数据集合。利用多任务回归算法获得类像素映射模型。重建过程就是由这些类映射模型与隶属度系数内积而成。实验结果表明,本文提出的方法取得了较好的重建效果。

全文目录


摘要  5-6
ABSTRACT  6-11
第1章 绪论  11-18
  1.1 课题的背景  11-13
  1.2 国内外研究现状  13-15
  1.3 图像超分辨率重建技术的应用领域  15-16
  1.4 本文的主要工作  16-18
第2章 图像超分辨率重建相关问题  18-31
  2.1 低分辨率图像观察模型  18-19
  2.2 超分辨率重建技术理论基础  19-21
    2.2.1 解析延拓理论  19-20
    2.2.2 信息叠加理论  20
    2.2.3 非线性操作  20-21
  2.3 图像超分辨率重建频域算法  21-22
  2.4 图像超分辨率重建空域算法  22-29
    2.4.1 插值方法  22-23
    2.4.2 迭代反投影法  23-24
    2.4.3 基于概率论的方法  24-25
    2.4.4 凸集投影方法  25-27
    2.4.5 基于学习的方法  27-29
  2.5 频域方法和空域方法比较  29
  2.6 本章小结  29-31
第3章 多任务学习理论  31-43
  3.1 引言  31-33
    3.1.1 机器学习的发展概述  31-32
    3.1.2 多任务学习算法的提出  32-33
  3.2 多任务学习理论  33-39
    3.2.1 单任务学习基础知识  33-35
    3.2.2 多任务学习理论基础  35-38
    3.2.3 核函数的选择  38-39
  3.3 多任务学习回归问题的具体实现  39-42
    3.3.1 具体实现  39-41
    3.3.2 对偶问题  41-42
  3.4 本章小结  42-43
第4章 基于多任务学习的图像超分辨率重建  43-56
  4.1 高斯混合模型  43-44
    4.1.1 高斯混合模型简介  43
    4.1.2 像素分类  43-44
  4.2 期望-最大化算法  44-45
  4.3 基于多任务学习的图像超分辨率重建算法  45-49
    4.3.1 算法学习过程  46-48
    4.3.2 算法重建过程  48-49
  4.4 实验结果分析  49-54
    4.4.1 实验设置  49-50
    4.4.2 实验结果及分析  50-54
  4.5 本章小节  54-56
第5章 软件实现  56-60
  5.1 工具介绍  56-57
  5.2 算法及人机界面的实现  57-59
  5.3 本章小结  59-60
结论  60-62
参考文献  62-66
致谢  66-67
附录A 攻读学位期间所参加的科研项目目录  67

相似论文

  1. 高质量语音转换系统中关键技术的研究,TN912.3
  2. 基于组合及统计的图像型垃圾邮件检测研究,TP391.41
  3. 多特征融合的视觉跟踪算法研究,TP391.41
  4. 无线传感器网络中的追击者—逃跑者跟踪问题研究,TP212.9
  5. 高斯混合模型及在探测网络社区结构中的应用,TP393.094
  6. 运动人体检测与异常行为识别技术研究与实现,TP391.41
  7. 面向智能视频监控的事件检测建模及优化,TP391.41
  8. 层析芯片阳性信号的信息提取和定量分析研究,TP391.41
  9. 虚拟人运动合成技术及其工程应用研究,TP391.41
  10. 基于因子分析的说话人确认,TN912.34
  11. 关于若干回归模型的研究,O212.1
  12. 基于锚空间的音频场景识别方法研究,TN912.34
  13. 基于区域聚类的SAR图像分割方法研究,TN957.52
  14. 基于排序GMM的说话人确认的研究,TN912.34
  15. 说话人识别方法的研究,TN912.34
  16. 静态图像中的人体检测技术,TP391.41
  17. 基于支持向量机的语种识别研究,TN912.34
  18. 基于单位时间锌产量预测的密闭鼓风炉炉况研究,TF813
  19. 高斯混合模型和自调整模糊控制器在ICA算法中的应用,TP274.4
  20. 基于GMM和IFS的单幅图像树木建模方法研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com