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120頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、近年來,多媒體應用與社交網(wǎng)絡(luò)快速發(fā)展,互聯(lián)網(wǎng)上的多媒體數(shù)據(jù)呈指數(shù)級爆炸式增長。海量的數(shù)據(jù)給多媒體圖像處理及計算機視覺領(lǐng)域帶來了新的機遇與挑戰(zhàn)。如何有效地組織利用云媒體中的數(shù)據(jù)來驅(qū)動圖像的各種高性能處理與應用已成為學術(shù)界的一個研究熱點。
  為了挖掘云媒體中大規(guī)模圖像庫對底層圖像處理問題的潛在助益,本文以云環(huán)境下圖像相關(guān)性探索為切入點,提出融合全局幾何對齊與局部圖像塊配準的相關(guān)性建??蚣?,給出處理圖像包含噪聲以及欠采樣率等降質(zhì)因素情

2、況下云媒體相關(guān)內(nèi)容匹配方案。在該框架下,探索圖像壓縮、超分辨率、去噪等一系列經(jīng)典圖像處理問題,在性能上獲得顯著提升,為云媒體時代的視覺計算提供新思路與新途徑。本文的工作成果和創(chuàng)新點如下:
  1.提出面向云媒體的圖像編碼新框架。摒棄傳統(tǒng)逐像素壓縮框架,將圖像描述為高倍下采樣得到的縮略圖像及局部特征描述子。在編碼端壓縮高維特征向量時,通過利用其與縮略圖像的相關(guān)性,設(shè)計基于特征預測的編碼模式,極大提升壓縮性能。在解碼端利用基于局部特征

3、的圖像檢索、圖像區(qū)域匹配及區(qū)域拼接技術(shù),實現(xiàn)高分辨率圖像的即時重構(gòu)。實驗表明,所提方案在千倍壓縮比率下依然能夠重建高視覺質(zhì)量圖像。
  2.提出面向云媒體的圖像超分辨率方法。在云媒體環(huán)境圖像相關(guān)性建??蚣芟拢瑢Φ头直媛蕡D像從云媒體中自動獲取與其高度相關(guān)的高分辨率圖像集。設(shè)計高層次幾何校正與低層次非局部圖像塊匹配相結(jié)合的塊匹配方法,提出根據(jù)圖像幾何校正的精度自適應改變塊大小。實驗表明,所提方案優(yōu)于目前最好的四種超分辨率方法。

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論