学位论文 > 优秀研究生学位论文题录展示

基于学习的视频超分辨率重建算法研究及实现

作　者: 邱一雯
导　师: 朱秀昌
学　校: 南京邮电大学
专　业: 信号与信息处理
关键词: 图像处理 超分辨率重建 流形学习 邻域嵌入 系统实现
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 36次
引　用: 0次
阅　读: 论文下载
 

内容摘要


超分辨率重建是采用软件方法对图像或者视频进行一系列的分析处理,提高图像或视频分辨率的一种数字图像处理技术。利用超分辨率重建技术能够在不升级现有采集设备的情况下,提高采集图像的分辨率;也能够在不增加传输信号带宽的情况下,改善图像或视频的画面质量。因此,超分辨率重建技术具有良好的研究价值和广泛的应用前景。本文就超分辨率重建技术进行研究,内容包括面向超分辨率重建的预处理技术、基于学习的超分辨率重建算法以及视频超分辨率重建演示系统的开发与实现。在面向超分辨率重建的预处理技术方面,本文主要研究图像中混合高斯噪声的去除问题,提出一种自适应的混合高斯噪声去除算法。算法结合变换域和空间域思想,提出基于块和滤波的噪声参数估计方法,自适应的估计混合高斯噪声参数,然后利用估计得到的噪声参数进行图像去噪,将多幅去噪图像进行简单的数据融合,最终获得去噪图像。实验表明,所提算法很好地对混合高斯噪声参数进行了估计,去噪图像的主观效果良好。在超分辨率重建算法研究方面,本文重点研究了基于流形学习的超分辨率重建算法,提出一种改进的基于邻域嵌入的快速超分辨率重建算法。算法在局部线性嵌入(Local Linear Embedding,LLE)的思想框架下,研究实现快速高效重建图像的方法。提出一种包括基于DCT系数的样本训练集分类方法、简单有效的高低分辨率特征抽取办法和自适应选择重建方法的超分辨率重建算法。实验表明,本文的超分辨率重建算法在提高重建质量的同时,大大提升了算法速度。在视频超分辨率重建系统实现方面,本文基于DirectShow框架,设计和实现了一个演示系统。系统支持本地视频源、摄像头视频源,提供多种超分辨率重建方案,支持同时预览低分辨率视频和超分辨率重建视频,对比浏览插值重建视频和超分辨率重建视频,并可将超分辨率重建视频保存到本地硬盘。

全文目录


摘要  4-5
Abstract  5-8
第一章 绪论  8-13
  1.1 研究背景及意义  8-9
  1.2 研究现状  9-11
  1.3 研究内容和论文安排  11-13
第二章 图像超分辨率重建算法  13-21
  2.1 超分辨率重建原理  13-15
    2.1.1 图像的超分辨率重建  13-14
    2.1.2 图像降质模型  14-15
  2.2 超分辨率重建算法  15-20
    2.2.1 频域的超分辨率重建  15-16
    2.2.2 基于插值的重建算法  16-17
    2.2.3 基于统计的超分辨率重建算法  17-19
    2.2.4 基于学习的超分辨率重建算法  19-20
  2.3 本章小结  20-21
第三章 面向超分辨率重建的预处理  21-31
  3.1 超分辨率重建的预处理技术  21
  3.2 自适应混合高斯噪声去除  21-26
    3.2.1 混合高斯噪声  22-23
    3.2.2 混合高斯噪声参数估计算法  23-24
    3.2.3 自适应的噪声去除  24-26
  3.3 实验结果与讨论  26-30
  3.4 本章小结  30-31
第四章 基于流形学习的超分辨率重建算法  31-63
  4.1 流形学习的超分辨率重建算法  31-36
    4.1.1 流形学习概述  31-32
    4.1.2 线性的流形学习方法  32-33
    4.1.3 非线性的流形学习方法  33-36
  4.2 改进的基于邻域嵌入的快速超分辨率重建算法  36-44
    4.2.1 基于邻域嵌入的超分辨率重建  36-39
    4.2.2 基于DCT 系数的样本分类方法  39-41
    4.2.3 特征抽取  41-42
    4.2.4 生成训练样本集规则  42-44
  4.3 实验结果与讨论  44-62
    4.3.1 实验一：样本集分类实验  44-54
    4.3.2 实验二：超分辨率重建算法性能实验  54-62
  4.4 本章小结  62-63
第五章 超分辨率重建演示系统实现  63-74
  5.1 DirectShow 简介  63-65
  5.2 演示系统的设计和实现  65-71
    5.2.1 系统需求分析  65-66
    5.2.2 系统模块划分  66-67
    5.2.3 系统功能设计  67-71
  5.3 系统功能实现  71-73
  5.4 本章小结  73-74
第六章 总结与展望  74-77
  6.1 本文工作及创新  74-75
  6.2 今后工作展望  75-77
参考文献  77-81
致谢  81-82
发表论文及参与科研项目情况  82

相似论文

  1. 基于CCD图像传感器的温度测量技术研究,TH811
  2. 基于流形学习的高维流场数据分类研究,V231.3
  3. 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
  4. 雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
  5. 唇读中的特征提取、选择与融合,TP391.41
  6. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  7. 机械臂视觉伺服系统的研究,TP242.6
  8. 数字图像处理在集装箱检测中的应用研究,TP274.4
  9. 半成型结构在休闲女装中的应用,TS941.2
  10. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  11. 基于流形学习的数据降维技术研究,TP311.13
  12. 基于机器视觉的光纤几何参数检测研究,TN253
  13. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  14. 基于计算机视觉对“次郎”甜柿外部品质检测与分级的研究,S665.2
  15. 基于图像处理技术的两相流动特性描述,TP391.41
  16. 车牌识别系统中车牌定位算法的研究,TP391.41
  17. 基于FPGA高清视频车辆检测系统的设计与实现,TP391.41
  18. 群控电梯客流密度实时识别技术研究,TP391.41
  19. 基于神经树的人脸识别方法研究,TP391.41
  20. 数字型仪表自动识读系统研究,TP391.41
  21. 智能清分机的管理和应用软件设计,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