基于邻域嵌入的图像超分辨重建方法研究

基于邻域嵌入的图像超分辨重建方法研究

ID:34550908

大小:1.96 MB

页数:85页

时间:2019-03-07

基于邻域嵌入的图像超分辨重建方法研究_第1页
基于邻域嵌入的图像超分辨重建方法研究_第2页
基于邻域嵌入的图像超分辨重建方法研究_第3页
基于邻域嵌入的图像超分辨重建方法研究_第4页
基于邻域嵌入的图像超分辨重建方法研究_第5页
资源描述:

《基于邻域嵌入的图像超分辨重建方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于邻域嵌入的图像超分辨重建方法研究作者姓名何攀辉导师姓名、职称张小华副教授一级学科控制科学与工程二级学科模式识别与智能系统申请学位类别工学硕士提交毕业论文日期2014年11月学校代码10701学号1202121212分类号分类TN82号TP39密级公开西安电子科技大学硕士学位论文基于邻域嵌入的图像超分辨重建方法研究作者姓名:何攀辉一级学科:控制科学与工程二级学科:模式识别与智能系统学位类别:工学硕士指导教师姓名、职称:张小华副教授提交日期:2014年11月NeighborEmbeddingBasedImageSuper-resolutionReconstructionAth

2、esissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringByHePanhuiSupervisor:AssociateProf.ZhangXiaohuaNovember2014西安电子科技大学毕业论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人

3、已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。学位论文若有不实之处,本人承担一切的法律责任。本人签名:日期:西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用毕业论文的规定,即:研究生在校学习期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后结合毕业论文研究课题再撰写的文

4、章一律署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名:导师签名:日期:日期:摘要摘要在日常生活和生产实践中,图像是人类感知环境的重要信息载体。高质量的图像有助于对图像内容的理解和决议计划。然而,在实际成像过程中,受运动模糊、光学模糊、欠采样和噪声等退化因素的影响,很难获得分辨率很高的图像或者图像序列,这给后续图像处理、分析与理解带来了很多困难,从而影响了人们正确认识和感知环境。如何改善图像质量,提高所获得图像的空间分辨率是图像处理领域极具挑战性的课题。图像超分辨重建技术能有效解决上述问题。该技术在军事、医学与民用监控、遥感成像、计算机视觉、模式识别

5、等方面都有广泛的应用前景。针对超分辨重建面临的挑战性问题,本文利用流形学习、邻域嵌入、低秩矩阵分解、联合学习等思想对现有的方法进行了改进,主要工作为:1、提出一种基于低秩邻域嵌入的超分辨算法。为了降低低分辨图像与高分辨图像邻域关系的不一致性,首先改进低分辨图像的特征提取方法;然后,引入低秩矩阵分解算法增强低分辨与高分辨图像之间映射关系的一致性。最后用其低秩分量进行邻域的选择和低分辨与高分辨图像块之间的映射关系的估计,并引入了一种新的计算权值的方法,能很好提高超分辨重建图像的质量。2、提出一种基于NormLV特征的稀疏邻域嵌入的超分辨方法。考虑到传统邻域嵌入(NeighborE

6、mbedding,NE)算法中由于特征表示不合理导致近邻选取不准确的缺陷,首先构造了NormLV新特征将邻域嵌入算法进行特征增强,通过该特征来选取近邻;其次针对已有邻域超分辨算法在选择邻域和权值求解方面存在的不足,将稀疏表示与邻域嵌入算法相结合,提出一种基于稀疏表示的稀疏邻域嵌入算法,能有效实现重构权值的计算;最后,结合一致性先验和全局约束,进一步提高图像超分辨重建的质量。3、针对传统邻域嵌入超分辨算法中低分辨图像块与高分辨图像块在邻域关系不能完全保持一致性,即映射对应关系为一对多的关系问题,提出了一种基于联合学习的稀疏邻域嵌入超分辨方法。首先利用联合学习的思想构建对偶约束,

7、并学习低分辨图像和高分辨图像的投影矩阵来构造统一特征空间;之后利用低秩矩阵分解算法提取低秩分量;最后低秩分量在联合统一特征空间中进行稀疏邻域嵌入超分辨重建。关键词:超分辨重建,邻域嵌入,低秩矩阵分解,稀疏表示,联合学习论文类型:应用基础研究类I西安电子科技大学硕士学位论文IIABSTRACTABSTRACTIneverydaylifeandactualproduction,imageshavebecomeimportantinformationcarrierofhumanperceptionenviro

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。