学位论文 > 优秀研究生学位论文题录展示

基于学习的单帧图像超分辨率算法研究

作　者: 国天娇
导　师: 丁雪梅；崔继文
学　校: 哈尔滨工业大学
专　业: 仪器科学与技术
关键词: 超分辨率 基于学习 局部线性嵌套 马尔可夫网络
分类号: TP391.41
类　型: 硕士论文
年　份: 2007年
下　载: 292次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着计算机网络技术的应用和多媒体技术的发展,图像信息在人们的工作、学习和生活中发挥越来越重要的作用。改善图像质量,提高图像分辨率成为数字图像处理领域最重要、最基本的研究课题之一,具有重要的理论价值和实际意义。目前,传统的图像超分辨率领域的研究重点是空域算法。但各种空域算法的缺陷和不足使得算法效果极大程度地受到解空间约束条件和降质退化模型的约束。本文在对现有传统算法进行分析的基础上,把研究的重点放在了基于学习的单帧图像超分辨率算法上,通过研究新的算法,提高图像超分辨率能力,加快运算的质量和速度。本论文主要在以下一些方面展开了工作。首先分析了多种传统的基于插值的图像超分辨算法,对它们的优势及不足进行了比较。结果表明,正是由于传统算法存在诸多局限,才使得基于学习的超分辨率算法的研究变得十分必要和重要。然后对几种维数约减算法进行了理论分析,分析指出,局部线性嵌套理论——LLE(Locally Linear Embedding)是基于学习的单帧图像超分辨率算法的理论核心,它的提出为实现基于学习的超分辨率算法提供了坚实理论基础。重点研究了基于学习的单帧图像超分辨率技术,利用马尔可夫网络来学习图像的先验知识,实现了一个高速、迭代的算法——one-pass算法,取得了较理想的实验结果。接着对影响基于学习算法的超分辨率能力的若干因素进行了分析和实验验证,重点分析了训练集图像数量、K阶近邻点个数等因素对超分辨率能力的影响,为改善现有算法的性能奠定了理论和实验基础。最后,为了从客观上验证超分辨率算法的有效性以及改进工作的成效,引入图像超分辨率的质量评价方法,在Visual C++ 6.0上进行了仿真实验。本文的成果丰富了图像超分辨率算法的研究思路,为图像超分辨率问题的解决提供了有益的方法和手段,具有一定的理论意义和应用价值。

全文目录


摘要  3-4
Abstract  4-7
第1章 绪论  7-19
  1.1 课题研究的背景、目的及意义  7-8
  1.2 图像空间超分辨率的概念  8-9
  1.3 图像超分辨率技术的发展及国内外研究现状  9-17
    1.3.1 频域超分辨率算法  9-12
    1.3.2 空域超分辨率算法  12-17
    1.3.3 基于学习的超分辨率算法  17
  1.4 本课题主要研究内容  17-19
第2章 传统的基于插值的图像超分辨方法  19-30
  2.1 基于插值的图像放大算法原理  19-21
  2.2 最临近插值（Nearest Neighbor）  21
  2.3 双线性插值  21-22
  2.4 Bicubic插值  22-23
  2.5 其它插值方法  23-29
    2.5.1 Hanning and Hamming插值  23
    2.5.2 Lanczos插值  23-24
    2.5.3 边缘自适应的图像插值方法  24-27
    2.5.4 边缘自适应的图像插值方法的改进  27-29
  2.6 本章小结  29-30
第3章 基于学习的单帧图像超分辨率算法及其实现  30-55
  3.1 LLE局部线性嵌套理论  30-38
    3.1.1 降维问题提出的必要性  30-31
    3.1.2 降维问题的数学描述  31-32
    3.1.3 局部线性嵌套（LLE）  32-38
  3.2 基于重建的图像超分辨率缺陷  38-39
  3.3 基于学习的单帧图像超分辨率算法  39-42
    3.3.1 训练集的生成  39-40
    3.3.2 马尔可夫网络算法  40-42
  3.4 单次迭代算法  42-47
    3.4.1 预测  42-43
    3.4.2 训练  43-44
    3.4.3 参数设置  44-47
  3.5 实验结果分析  47-54
    3.5.1 单次迭代算法的实验平台  47
    3.5.2 实验结果  47-54
  3.6 本章小结  54-55
第4章 影响图像超分辨率能力的因素分析  55-65
  4.1 训练集图像数量的影响  55-60
  4.2 K邻域个数的影响  60-63
  4.3 本章小结  63-65
第5章 图像超分辨率算法质量评价标准  65-70
  5.1 引言  65
  5.2 超分辨率图像质量评价方法  65-68
    5.2.1 均方差MSE  65
    5.2.2 峰值信噪比PSNR  65-66
    5.2.3 改善信噪比ISNR  66
    5.2.4 频谱相关系数r  66-67
    5.2.5 归一化相关性测度  67-68
  5.3 图像超分辨率算法质量评价实验  68-69
    5.3.1 评价标准的选取  68
    5.3.2 超分辨率图像评价实验  68-69
  5.4 本章小节  69-70
结论  70-72
参考文献  72-78
致谢  78

相似论文

  1. 基于学习的低阶视觉问题研究,TP391.41
  2. 策略培训教学在中学英语听力中的有效性研究,G633.41
  3. 基于回归的图像超分辨率重建技术研究,TP391.41
  4. 利用非局部相似性的图像超分辨率重建研究,TP391.41
  5. 基于学习的视频超分辨率重建算法研究及实现,TP391.41
  6. POCS图像超分辨率重建技术研究,TP391.41
  7. 基于学习的图像超分辨率技术及其应用研究,TP391.41
  8. 基于自适应字典稀疏表示超分辨率重建的视频编码技术,TN919.81
  9. Tetrolet稀疏正则化与样本学习的图像超分辨率算法研究,TP391.41
  10. 基于样例的图像画质增强,TP391.41
  11. 基于正则化的超分辨率图像序列重建技术研究,TP391.41
  12. 图像超分辨率重建算法研究,TP391.41
  13. 基于小波变换的三维表面纹理超分辨率及评价,TP391.41
  14. 基于公路视频监控中车牌图像超分辨率复原方法的研究,TP391.41
  15. 序列图像超分辨率重建技术研究,TP391.41
  16. 视频序列超分辨率算法研究与实现,TP391.41
  17. 基于MAP的高光谱图像超分辨率方法研究,TP391.41
  18. 超分辨率图像重建算法的研究及实现,TP391.41
  19. 关于超分辨率图像重建的配准方法研究,TP391.41
  20. 基于POCS的图像超分辨率重建算法研究,TP391.41
  21. 多帧图像超分辨率重建算法研究,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