2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩68頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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)

文檔簡介

1、圖像超分辨率重建是指在不增加成像設(shè)備等硬件成本的前提下,對(duì)輸入的一幅或多幅低分辨圖像,利用已有的數(shù)字信號(hào)處理方法來提高其分辨率,從而重建出分辨率比較高的圖像的一種圖像處理技術(shù)。它不僅能改善圖像視覺效果,而且有利于圖像的進(jìn)一步識(shí)別和處理。目前,隨著機(jī)器學(xué)習(xí)與模式識(shí)別等領(lǐng)域內(nèi)理論的不斷發(fā)展,而基于學(xué)習(xí)的方法是解決該問題的一種有效的方法。其中支持向量回歸和稀疏表示作為兩種較好的學(xué)習(xí)方法,受到研究人員越來越多的關(guān)注。
  本文主要以基于學(xué)

2、習(xí)的方法的思想框架為研究主線,重點(diǎn)研究了支持向量回歸和稀疏表示這兩種學(xué)習(xí)方法的相關(guān)理論,詳細(xì)介紹了算法原理,并提出了一種稀疏域下基于支持向量回歸圖像超分辨率重建的改進(jìn)算法以及結(jié)合調(diào)整核回歸約束的進(jìn)一步優(yōu)化算法。
  現(xiàn)有的使用支持向量回歸進(jìn)行圖像超分辨率重建的算法,一定程度上能改善重建質(zhì)量,但由于利用的是圖像自身冗余信息來進(jìn)行重建,因此重建效果還有待提高。本文提出一種基于聚類稀疏和支持向量回歸的算法來進(jìn)行改進(jìn)。首先,利用訓(xùn)練圖像的

3、數(shù)據(jù)進(jìn)行聚類,并得到相應(yīng)的稀疏子字典,然后根據(jù)訓(xùn)練圖像的低分辨率圖像塊和高頻圖像塊的稀疏表示系數(shù)建立相對(duì)應(yīng)的支持向量回歸模型,最后將測(cè)試圖像利用訓(xùn)練模型進(jìn)行高分辨率圖像重建。實(shí)驗(yàn)仿真驗(yàn)證了該算法在圖像重建的質(zhì)量上有一定的改進(jìn)。
  在核回歸理論中,調(diào)整核回歸函數(shù)能動(dòng)態(tài)的調(diào)整核函數(shù)的形狀,從而更好在抑制噪聲同時(shí)盡量保持圖像的邊緣信息。把調(diào)整核回歸作為圖像超分辨重建的正則化約束條件將會(huì)對(duì)重建質(zhì)量有所提高,尤其是對(duì)有噪聲污染的圖像,改善

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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。

評(píng)論

0/150

提交評(píng)論