学位论文 > 优秀研究生学位论文题录展示
图像超分辨率重建算法研究
作 者: 田兵兵
导 师: 胡访宇
学 校: 中国科学技术大学
专 业: 通信与信息系统
关键词: 超分辨率 图像配准 正则化项 调整核回归函数
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 303次
引 用: 0次
阅 读: 论文下载
内容摘要
图像超分辨率重建是利用数字信号处理技术从多幅频域混叠、空域模糊并叠加了加性噪声的低分辨率观测图像得到图像高频信息以及更多的像素点值。因此其首要前提是要有一系列针对同一场景的低分辨率图像,并且它们之间存在着有限的冗余互补信息。超分辨率图像重建就是要利用这些信息差异,来实现图像分辨率的提高。本文详细介绍了CCD成像的基本模型,并针对只存在刚体变换的图像配准方法以及基于正则化约束项的超分辨率图像重建算法进行了深入的分析和讨论。图像配准方法主要考虑两方面的影响:计算复杂度和配准参数精度。本文则利用频域配准和基于矩形像素配准相结合的方法来减少运算量,实现亚像素配准。在图像重建方面,运用基于MAP正则化算法迭代求解,会对图像的先验知识进行假设以得到稳定解。本文选取调整回归核函数为正则项的方法,将依赖图像自身数据主导方向信息选取可变且为规则的窗函数,来使核函数更好的选出领域上的数据,从而更好的抑制噪声同时保持图像高频信息,相比于拉普拉斯算子和双边滤波器算子都有较为明显的改进。在图像重建收敛速度方面,本文则对迭代步长以及迭代初值的选取做了详细讨论。计算机仿真结果表明,当观察的低分辨率图像的噪声方差较大时,本文提出的算法重建的效果相对于基于拉普拉斯算子或者是双边滤波器算子的MAP算法都有较大的改善。在选取迭代步长时,L曲线方法相比于变长步长和基于噪声方差方法都有优势,即具有相当的重建效果的同时,收敛速度更快。
|
全文目录
摘要 4-5 Abstract 5-8 第一章 绪论 8-11 1.1 研究背景和研究意义 8-9 1.2 本文的研究内容和结构 9-11 1.2.1 研究内容 9 1.2.2 论文结构 9-11 第二章 图像超分辨率重建问题研究 11-21 2.1 图像退化模型 11-14 2.1.1 CCD 成像模型 11-12 2.1.2 低分辨率图像观察模型 12-14 2.2 超分辨率重建需要解决的问题 14-15 2.2.1 超分辨率重建问题的解 14-15 2.2.2 正则化方法求解不适定的反问题 15 2.3 图像超分辨率重建算法概述 15-19 2.3.1 频域算法 15-16 2.3.2 空域算法 16-18 2.3.3 基于感兴趣区域算法 18-19 2.3.4 基于学习算法 19 2.4 超分辨率重建评价标准 19-21 第三章 图像亚像素配准 21-30 3.1 图像配准概念 21-24 3.1.1 图像配准变换模型 21-22 3.1.2 图像配准的步骤 22-24 3.2 图像配准算法简介 24-26 3.2.1 基于灰度的图像配准方法 24-25 3.2.2 基于傅氏变换的频域图像配准方法 25-26 3.2.3 基于图像特征的图像配准方法 26 3.3 本文图像配准算法 26-30 第四章 正则化图像超分辨率重建算法 30-40 4.1 MAP 正则化算法介绍 30-33 4.1.1 贝叶斯理论 30-31 4.1.2 MAP 算法原理及其推到 31-32 4.1.3 基于最陡下降沿的迭代算法 32-33 4.2 基于拉普拉斯算子分析 33 4.3 基于双边滤波器算子分析 33-36 4.4 基于调整核回归函数作为正则项算法 36-40 第五章 实验结果与分析 40-48 5.1 迭代步长的选取 40-42 5.1.1 基于变长步长的方法 40 5.1.2 基于噪声方差的方法 40-41 5.1.3 基于L 曲线的方法 41-42 5.2 迭代初值的设定 42 5.3 仿真结果与分析 42-48 5.3.1 基于MAP 算法的三种正则化约束重建仿真 43-45 5.3.2 基于MAP 算法三种不同迭代步长的重建仿真 45-48 第六章 总结与未来展望 48-50 6.1 总结 48 6.2 未来展望 48-50 参考文献 50-54 致谢 54-55 在读期间发表的学术论文与取得的研究成果 55
|
相似论文
- 图像拼接技术研究,TP391.41
- 基于学习的低阶视觉问题研究,TP391.41
- 机器人自动巡检系统中图像配准与图像匹配问题的研究,TP242.62
- 结合线性二次放射生物模型的图像配准技术的研究,R815
- 基于改进光流场模型的医学图像非刚性配准算法研究及实现,TP391.41
- 非刚性医学图像准算法研究和实现,TP391.41
- 基于回归的图像超分辨率重建技术研究,TP391.41
- 利用非局部相似性的图像超分辨率重建研究,TP391.41
- 基于学习的视频超分辨率重建算法研究及实现,TP391.41
- 基于图形处理器的SIFT算法研究,TP391.41
- 实时视频拼接系统关键技术研究,TP391.41
- 工业应用中的目标检测与精确定位技术,TP391.41
- POCS图像超分辨率重建技术研究,TP391.41
- 医学图像配准平台及结合灰度与几何信息的新配准测度,TP391.41
- 基于学习的图像超分辨率技术及其应用研究,TP391.41
- 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
- 红外与可见光图像配准及融合技术的研究,TP391.41
- Tetrolet稀疏正则化与样本学习的图像超分辨率算法研究,TP391.41
- 同轴异场图片的图像配准算法研究,TP391.41
- 基于样例的图像画质增强,TP391.41
- 基于特征点空间信息分布直方图的匹配方法研究,TP391.41
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
|