

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、視頻和圖像的超分辨率重建是視頻和圖像處理的一個(gè)重要研究方向,也是近年來(lái)的研究熱點(diǎn)。圖像超分辨率重建是利用單幅或多幅低分辨率圖像重建出一幅清晰的高分辨率圖像,近年來(lái)廣泛應(yīng)用于視頻監(jiān)控,醫(yī)學(xué)圖像處理,高清電視等領(lǐng)域。
視頻圖像的超分辨率重建方法中,基于稀疏表示和字典學(xué)習(xí)的方法可以復(fù)原出更多的細(xì)節(jié)信息,無(wú)論是視覺(jué)效果還是數(shù)值度量上,都可以獲得較好的重建效果。但是其對(duì)全視頻圖像區(qū)域進(jìn)行處理時(shí),圖像重建時(shí)間較長(zhǎng),重建效率低。
2、針對(duì)以上的問(wèn)題,本文提出了視頻圖像分級(jí)重建算法,提高視頻圖像重建效率。本文所做主要工作和研究成果如下:
1)利用分層學(xué)習(xí)的圖像超分辨重建方法對(duì)視頻圖像中感興趣區(qū)域進(jìn)行重建。分層學(xué)習(xí)方法對(duì)圖像進(jìn)行超分辨重建時(shí)得到圖像邊緣信息和紋理信息較為豐富,將此方法用于視頻圖像中感興趣區(qū)域的重建,能夠獲得感興趣目標(biāo)較好的重建效果。
2)提出了一種基于Snake算法的視頻圖像感興趣區(qū)域提取方法。利用Snake算法檢測(cè)運(yùn)動(dòng)目標(biāo)精確閉合輪
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏字典學(xué)習(xí)和核稀疏表示的圖像超分辨率重建.pdf
- 基于字典學(xué)習(xí)和稀疏表示的圖像融合方法.pdf
- 基于單字典稀疏表示的圖像超分辨率重建技術(shù)研究.pdf
- 基于雙字典學(xué)習(xí)和稀疏表示模型的圖像超分辨率重建.pdf
- 基于稀疏表示和字典學(xué)習(xí)的圖像去噪研究.pdf
- 基于字典學(xué)習(xí)和稀疏表示的超分辨率重建算法研究.pdf
- 基于稀疏表示和字典學(xué)習(xí)的低劑量CT圖像恢復(fù)研究.pdf
- 基于稀疏表示和字典學(xué)習(xí)的圖像去噪方法的研究.pdf
- 基于稀疏表示與字典學(xué)習(xí)的極化sar圖像壓縮
- 基于冗余字典的圖像稀疏表示研究.pdf
- 圖像壓縮傳感中基于變換域和字典學(xué)習(xí)的稀疏表示研究.pdf
- 基于冗余字典和稀疏表示的衛(wèi)星圖像超分辨率重建.pdf
- 基于稀疏表示與字典學(xué)習(xí)的極化SAR圖像壓縮.pdf
- 基于字典學(xué)習(xí)的分片稀疏磁共振圖像重建方法.pdf
- 基于字典學(xué)習(xí)與稀疏模型的SAR圖像壓縮技術(shù)研究.pdf
- 基于稀疏表示與字典訓(xùn)練的含噪圖像超分辨重建方法.pdf
- 基于稀疏表示和超完備字典的WMSN視頻圖像去噪算法研究.pdf
- 基于稀疏表示的圖像超分辨率重建技術(shù)研究.pdf
- 基于結(jié)構(gòu)稀疏表示的光譜圖像稀疏重建.pdf
- 基于超完備字典稀疏表示的圖像融合.pdf
評(píng)論
0/150
提交評(píng)論