学位论文 > 优秀研究生学位论文题录展示
基于稀疏表示的图像超分辨率重建算法研究
作 者: 宋慧慧
导 师: 王培康
学 校: 中国科学技术大学
专 业: 通信与信息系统
关键词: 稀疏表示 图像超分辨率重建 反问题 字典学习 稀疏正则化约束 遥感图像 时空分辨率
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 539次
引 用: 3次
阅 读: 论文下载
内容摘要
图像超分辨率重建是一种改善图像视觉效果和为图像后续处理做准备的重要图像处理技术。近十几年来随着机器学习和模式识别技术的发展,基于学习的图像超分辨率重建算法得到越来越多的研究,取得了比传统方法更好的结果,基于稀疏表示的超分辨率重建属于其中一类最新发展起来的方法,是目前能取得最好重建效果的算法中的一种,对进一步推动超分辨率重建技术的理论研究和实际应有具有重要的意义。本文主要研究了稀疏表示在图像超分辨率重建中的应用,重点分析和介绍了稀疏表示中字典构建和正则化项建立的方法,并提出将基于稀疏表示的多帧图像超分辨率重建技术应用于遥感图像的时空融合问题中。在传统的基于最大后验概率(MAP)的超分辨率重建算法中,通常建立基于高斯分布或者拉普拉斯分布的噪声模型,但是这种基于某种噪声分布的模型很难自适应处理实际中复杂的噪声类型。针对这个问题,本文提出了一种新的混合噪声模型,通过估计噪声的分布参数来自适应地决定噪声的分布趋势。根据所需处理的低分辨率图像的不同,本文将基于稀疏表示的图像超分辨率重建分为基于单帧图像超分辨率重建和基于多帧图像超分辨率重建两种情形。并进一步讨论了稀疏表示中字典的建立和稀疏性正则化约束的方法。字典的建立方法中详细介绍两类有效的方法:基于图像特征的字典对和聚类型字典;根据稀疏性约束出发点的不同,将正则化项分为基于局部稀疏约束的、加权的局部稀疏性约束和基于全局的稀疏性约束。并通过实验分析和对比了这些方法的特点。另外,针对遥感图像获取中传感器不能拍摄同时具有高空间分辨率和高时间分辨率图像的问题,本文提出将基于稀疏表示的多帧图像超分辨率重建方法应用于此问题中。结合遥感序列图像的特点,从可学习的图像特征空间出发,提出了基于遥感图像空间信息和基于遥感序列时间信息两种学习思路。最后通过实验分析和对比了这两种方法在遥感图像处理中的效果,并将它们和经典的时空融合算法进行了比较。
|
全文目录
摘要 4-5 Abstract 5-9 第一章 绪论 9-22 1.1 图像超分辨率重建的定义与意义 9-10 1.2 图像超分辨率重建的发展现状及分类 10-21 1.2.1 前向观测模型 10-11 1.2.2 基于插值的图像超分辨率重建算法 11-12 1.2.3 基于重建的图像超分辨率重建算法 12-19 1.2.4 基于学习的图像超分辨率重建算法 19-20 1.2.5 稀疏表示(SR)的研究背景及发展状况 20-21 1.3 本文的主要工作及内容安排 21-22 第二章 反问题、稀疏表示与字典学习理论 22-36 2.1 图像处理中反问题的解法 22-31 2.1.1 正则化方法 22-24 2.1.2 稀疏表示方法 24-26 2.1.3 稀疏表示问题的优化算法 26-31 2.2 冗余字典的设计 31-36 2.2.1 最佳方向方法(MOD) 32-33 2.2.2 广义PCA 方法 33 2.2.3 K-SVD 方法 33-34 2.2.4 稀疏性字典学习方法 34-36 第三章 基于稀疏表示的单帧图像超分辨率重建 36-50 3.1 样本集的选取 36-37 3.2 算法流程概述 37-38 3.3 字典构建的算法 38-42 3.3.1 基于图像特征的字典对 38-40 3.3.2 结构聚类型字典 40-42 3.4 正则化项的建立 42-45 3.4.1 基于局部稀疏约束的正则化项 42-43 3.4.2 局部加权的稀疏约束正则化项 43-44 3.4.3 全局稀疏约束的正则化项 44-45 3.5 实验结果及分析 45-50 第四章 基于稀疏表示的多帧图像超分辨率重建 50-64 4.1 多帧图像超分辨率重建在遥感中的应用及意义 50-52 4.2 基于多帧图像空间信息的稀疏表示重建 52-55 4.3 基于多帧图像时间信息的稀疏表示重建 55-59 4.3.1 遥感图像的时序信息分析 55-56 4.3.2 遥感图像中基于时序信息的变化检测 56-57 4.3.3 基于时序信息的遥感图像超分辨率重建 57-59 4.4 实验结果及分析 59-64 第五章 总结与展望 64-66 参考文献 66-69 致谢 69-70 在读期间发表的学术论文与取得的研究成果 70
|
相似论文
- 二维波动方程测井约束反演的自适应同伦共轭梯度法,P631.81
- 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
- 基于稀疏表示残差融合的人脸表情识别,TP391.41
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 高分辨率遥感图像目标识别方法研究,TP751
- 基于压缩感知的语音稀疏基和投影矩阵构造技术的研究,TN919.8
- 基于压缩感知的信号恢复算法研究,TN911.7
- 基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
- TDICCD大视场多通道图像自动拼接方法,TP391.41
- 废杂铜冶炼炉高温测量方法研究,TF811
- 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
- 弱稀疏信号欠定盲分离技术的研究,TN911.7
- 可变光照和遮挡条件下的人脸识别技术研究及其应用,TP391.41
- 基于稀疏表示的人体运动捕获数据分析方法研究,TP391.41
- 基于内容的商品图像分类技术研究,TP391.41
- 基于稀疏表示的人脸图像识别方法研究,TP391.41
- 辨识室内气态污染源非稳态释放过程的CFD反问题建模,X51
- 在线字典训练及加权差异性稀疏表示的研究,TP391.41
- 视频中人体行为识别的判别稀疏编码方法研究,TP391.41
- 多光谱遥感图像配准与融合方法研究,TP751
- 遥感图像的K-均值聚类和分水岭分割算法的研究与实现,TP751
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
|