学位论文 > 优秀研究生学位论文题录展示

Tetrolet稀疏正则化与样本学习的图像超分辨率算法研究

作　者: 王慧霞
导　师: 肖亮
学　校: 南京理工大学
专　业: 计算机应用技术
关键词: Tetrolet变换 图像去噪 稀疏正则化 系数学习 图像超分辨率重建
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 75次
引　用: 0次
阅　读: 论文下载
 

内容摘要


利用信号处理技术来进行图像超分辨率重建成为目前图像处理领域的研究热点。本文系统综述了目前图像超分辨率技术的研究现状以及应用前景,并对常用的基于样本学习的学习模型进行简要概括,在介绍Tetrolet基本变换过程的基础上,着重从理论和实验上分析了Tetrolet变换系数的条件概率分布、联合概率分布和隐马尔科夫树的统计模型。进而结合相关理论知识以及大量的实验分析,探索了Tetrolet变换在图像去噪,基于Tetrolet稀疏正则化和样本学习的超分辨率重建算法中的应用。本文的主要工作如下：第一、介绍了Tetrolet理论与构造方法的基础上,建立了Tetrolet系数的广义高斯分布的拟合模型,边缘概率分布和联合概率分布模型。数值试验结果表明Tetrolet变换具有较好的稀疏性。第二、依据Tetrolet变换的稀疏表示特性,以及信号和噪声在Tetrolet变换域的不同分布特性,进行阈值收缩图像去噪,然后结合各向异性全变差(ATV)的特性,设计了一个联合Tetrolet变换和ATV的图像去噪算法。实验结果表明该算法能有效地抑制阈值收缩过程产生的pseudo-Gibbs现象。第三、重点研究了基于全变差(TV)正则化的图像超分辨率重建模型,然后根据Tetrolet变换的稀疏表示特性,给出了联合Tetrolet稀疏性和全变差的复合正则化图像超分辨率重建模型,设计了针对该复合正则化重建模型最优化问题求解的前向后向分裂算法。实验结果表明该复合正则化模型能够有效的保持图像的边缘和纹理。第四、设计了一种基于Tetrolet稀疏正则化预优与样本学习的图像超分辨率两阶段算法,该算法通过Tetrolet稀疏正则化估计初始高分辨率图像,然后利用基于图像库Tetrolet学习的方法进一步融合了细节信息。进一步为了降低Tetrolet系数学习的复杂度,本文提出了系数学习的快速搜索策略。实验结果验证了两阶段算法的有效性。

全文目录


摘要  3-4
ABSTRACT  4-8
1 绪论  8-15
  1.1 引言  8-9
  1.2 研究历史与现状综述  9-13
    1.2.1 图像的降质模型  9
    1.2.2 图像超分辨率重建算法  9-11
    1.2.3 经典的学习模型  11-13
  1.3 本文工作与结构安排  13-15
2 Tetrolet变换及其统计建模分析  15-34
  2.1 引言  15
  2.2 Tetrolet变换  15-22
    2.2.1 定义与符号  15-17
    2.2.2 Tetrolet变换过程  17-20
    2.2.3 Tetrolet变换的改进  20-21
    2.2.4 Haar小波变换与Tetrolet变换的比较  21-22
  2.3 Tetrolet系数的统计模型  22-33
    2.3.1 统计模型研究的意义  22
    2.3.2 Tetrolet系数关系  22-25
    2.3.3 边缘概率分布  25-30
    2.3.4 联合概率分布  30-33
  2.4 本章小结  33-34
3 联合Tetrolet阈值收缩与各向异性全变差正则化的图像去噪算法  34-50
  3.1 引言  34
  3.2 图像去噪的Tetrolet域系数阈值收缩算法  34-36
  3.3 联合Tetrolet阈值收缩和各向异性全变差(ATV)的图像去噪算法  36-40
    3.3.1 ATV最小化  36-39
    3.3.2 算法描述  39-40
  3.4 实验结果与分析  40-49
    3.4.1 评价标准  40-41
    3.4.2 实验结果  41-49
  3.5 本章小结  49-50
4 复合Tetrolet稀疏性与TV模型的图像超分辨率重建算法  50-61
  4.1 引言  50
  4.2 基于TV正则化的图像超分辨率重建算法模型  50
  4.3 联合Tetrolet稀疏性与TV的复合正则化模型及算法  50-53
  4.4 算法描述  53
  4.5 实验结果与分析  53-60
    4.5.1 评价标准  53-54
    4.5.2 实验结果  54-60
  4.6 本章小结  60-61
5 联合Tetrolet稀疏正则化预优与样本学习的图像超分辨率重建两阶段算法  61-73
  5.1 引言  61
  5.2 联合Tetrolet稀疏正则化预优与样本学习的图像超分辨率两阶段算法  61-65
    5.2.1 两阶段算法的基本框架  61-62
    5.2.2 基于Tetrolet变换的系数学习过程  62-64
    5.2.3 快速Tetrolet系数学习的搜索算法  64-65
  5.3 算法描述  65-67
  5.4 实验结果与分析  67-71
    5.4.1 评价标准  67
    5.4.2 实验结果  67-71
  5.5 本章小结  71-73
结论  73-74
致谢  74-75
参考文献  75-79
攻读硕士期间所参与的科研项目  79

相似论文

  1. 医学超声图像去噪方法研究,TP391.41
  2. 轮廓波变换及其在图像处理中的应用,TP391.41
  3. 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
  4. 数码相机中Bayer格式数字图像的降噪与颜色插值算法的研究,TP391.41
  5. 机器视觉系统中的图像噪声处理算法研究,TP391.41
  6. 基于核回归与非局部方法的图像去噪研究,TP391.41
  7. 航拍图像增强处理与拼接技术实现,TP391.41
  8. 基于偏微分方程的图像去噪与增强研究,TP391.41
  9. 求解图像去噪问题的变权重不动点算法研究,O177.91
  10. 超复数稀疏表示及其应用的研究,TP391.41
  11. 基于总体变分法的图像去噪和复原研究,TP391.41
  12. 磁共振图像处理算法的研究,TP391.41
  13. 基于曲波变换与偏微分的图像去噪算法研究,TP391.41
  14. 基于多特征结合与支持向量机集成的噪声检测与图像去噪,TP391.41
  15. 基于小波变换的阈值图像去噪方法,TP391.41
  16. 基于小波变换的图像去噪方法的研究,TP391.41
  17. 基于分数低阶统计量的图像噪声抑制研究,TP391.41
  18. X射线探伤中焊缝缺陷的图像处理与自动识别,TP391.41
  19. 基于二进小波变换的自适应阈值图像去噪研究,TP391.41
  20. 基于支撑笔画的视觉文档图像透视失真校正,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