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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、視覺是人類獲得外界信息的重要途徑,而視覺最主要的觀察對象是帶有各種信息的圖像,因此圖像成為了人類獲取信息的主要載體。在現(xiàn)實生活中,由于成像設(shè)備、設(shè)備硬件制造過程和信息傳輸條件的限制,通常人們得到的圖像的分辨率較低,而低分辨率圖像包含的信息較少,不能滿足人們在某些領(lǐng)域的應(yīng)用,比如視頻監(jiān)控、醫(yī)學(xué)檢測等領(lǐng)域。
圖像超分辨率技術(shù)的出現(xiàn)極大地解決了上述存在的問題,從軟件方面提高了圖像的分辨率,使得人們可以最大限度地從圖像中獲取信息,滿足
2、人們對大量信息的需要,目前成為了人們研究的熱點。圖像超分辨率技術(shù)就是利用一幅或多幅同一場景中的低分辨率圖像作為輸入,并根據(jù)圖像的先驗知識,重建出高分辨率圖像的技術(shù)。
本文主要對圖像超分辨率算法進行了研究。首先介紹了超分辨率技術(shù)的研究背景及意義;然后講述了三類超分辨率方法;接著對本文用到的稀疏表示模型進行分析;最后針對圖像塊在同一類內(nèi)進行字典學(xué)習(xí)所存在的不足,提出了梯度先驗和稀疏表示相結(jié)合的圖像超分辨率算法。本文的主要貢獻在以下
3、兩個方面:
?。?)將圖像塊的梯度先驗信息引入到圖像塊的分類模型中。在對圖像塊進行訓(xùn)練之前,本文利用圖像塊的梯度先驗信息作為分類依據(jù),對圖像塊進行分類,使得相似的圖像塊可以分在同一個類內(nèi)。
(2)對字典訓(xùn)練的過程進行了優(yōu)化。本文改進了基于稀疏表示的字典學(xué)習(xí)方法,僅僅對高分辨率字典采用學(xué)習(xí)的方法得到,而低分辨率字典的獲取通過對高分辨率字典提取特征得到,因此大大減少了字典訓(xùn)練過程中的時間復(fù)雜度。
利用所提出的算法
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的超分辨率圖像重建算法研究.pdf
- 基于稀疏表示的圖像超分辨率研究.pdf
- 基于組稀疏表示的自然圖像超分辨率算法研究.pdf
- 基于稀疏表示理論的圖像超分辨率重構(gòu)算法研究.pdf
- 基于稀疏表示和混合樣本的圖像超分辨率重建算法研究.pdf
- 基于稀疏表示的圖像超分辨率算法及應(yīng)用.pdf
- 基于稀疏表示的單幅圖像超分辨率重建算法研究.pdf
- 基于稀疏表示的彩色圖像超分辨率重建算法研究.pdf
- 基于稀疏表示的單幅圖像超分辨率.pdf
- 基于稀疏表示的圖像超分辨率復(fù)原研究.pdf
- 基于稀疏表示的紅外圖像超分辨率重建.pdf
- 基于稀疏表示的人臉超分辨率算法研究.pdf
- 基于稀疏表示的單幅圖像超分辨率重建研究.pdf
- 基于稀疏表示的單幀圖像超分辨率重建算法研究.pdf
- 基于廣義圖像先驗的圖像超分辨率重建算法研究.pdf
- 基于稀疏表示的圖像超分辨率快速實現(xiàn).pdf
- 基于圖像塊多級分類和稀疏表示的超分辨率重建算法研究.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
- 基于稀疏表示和回歸的圖像快速超分辨率重建.pdf
- 基于稀疏表示和回歸的圖像超分辨率重建的研究.pdf
評論
0/150
提交評論