本文關(guān)鍵詞：基于稀疏表示的圖像超分辨率重建研究

  更多相關(guān)文章： 超分辨率重建 稀疏表示 圖像分解 灰度共生矩陣

【摘要】：單幅圖像的超分辨率重建方法研究的是如何將一幅模糊低分辨率的圖像恢復(fù)成清晰的高分辨率圖像。隨著稀疏表示的迅猛發(fā)展,基于稀疏表示的圖像超分辨率重建方法得到了海內(nèi)外眾多學(xué)者的關(guān)注。本文圍繞著基于稀疏表示的圖像超分辨率重建展開研究,提出了兩種有效的改進算法:基于圖像紋理結(jié)構(gòu)分解和稀疏表示的圖像超分辨率重建方法,以及基于圖像塊分類和稀疏表示的圖像超分辨率重建方法�；趫D像紋理結(jié)構(gòu)分解和稀疏表示的超分辨率重建方法在基于稀疏表示的超分辨率重建方法的基礎(chǔ)上引入了基于Mumford_Shah模型和G空間的圖像分解理論,將圖像分解為結(jié)構(gòu)部分和紋理部分,如此更好地提取出圖像的高頻部分的信息,然后根據(jù)兩個部分的不同特點采用不同的重建方法,再最終合成一幅高分辨率圖像。基于圖像塊分類和稀疏表示的超分辨率重建方法在基于稀疏表示的超分辨率重建的基礎(chǔ)上引入圖像的灰度共生矩陣,根據(jù)灰度共生矩陣特征將圖像塊分成均勻平滑塊和豐富紋理塊兩部分。然后根據(jù)分類分別訓(xùn)練出對應(yīng)的高低分辨率字典對用于超分辨率重建。分類后訓(xùn)練的字典更能表征各自類別圖像的特征,所以使得重建效果得到明顯改善。實驗結(jié)果表明,本文提出的兩種超分辨率重建方法能夠獲得較好的重建效果。重建的圖像既能保持圖像的基本輪廓也能很好的恢復(fù)出圖像的紋理細(xì)節(jié),并且邊緣部分也更加清晰平滑。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進展和展望[J];電子學(xué)報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識別[J];計算機工程與設(shè)計;2012年05期

5 高志榮;熊承義;笪邦友;;改進的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 耿耀君;張軍英;袁細(xì)國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測度[J];模式識別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機工程與應(yīng)用;2013年05期

9 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

2 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

3 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

4 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

5 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

6 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

7 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

8 梁曉捷;基于網(wǎng)絡(luò)攝像頭與稀疏表示分類法的實時人臉識別系統(tǒng)應(yīng)用研究[D];五邑大學(xué);2015年

9 張宏樂;語音信號稀疏表示方法研究[D];太原理工大學(xué);2016年

10 郭欣;基于K-SVD稀疏表示的語音增強算法研究[D];太原理工大學(xué);2016年

，

本文編號：1293838