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69頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、圖像的超分辨率重建,是目前圖像處理領(lǐng)域中的一個(gè)難點(diǎn)和熱點(diǎn)問題。它在不改變硬件條件的前提下,對輸入的一幅或多幅圖像,通過一定的信號處理技術(shù)來提高其分辨率。由此產(chǎn)生的高分辨率圖像,不僅實(shí)現(xiàn)了圖像視覺質(zhì)量的改善,而且有利于圖像的進(jìn)一步處理和利用。目前基于樣本學(xué)習(xí)的方法是解決該課題的比較有效的方法。隨著機(jī)器學(xué)習(xí)等相關(guān)領(lǐng)域理論的不斷發(fā)展,一些新的研究成果逐步被用來解決圖像的超分辨率重建問題,其中高斯過程回歸和稀疏表示作為兩種性能較好的機(jī)器學(xué)習(xí)方法

2、,受到該課題研究學(xué)者越來越多的關(guān)注。
   本文算法基于樣本學(xué)習(xí)的思想框架,通過研究高斯過程回歸和稀疏表示這兩種學(xué)習(xí)方法的相關(guān)理論,提出了一種高斯過程回歸重建的改進(jìn)算法以及實(shí)現(xiàn)了高斯過程回歸和稀疏表示方法之間有效地結(jié)合。
   已有的一種使用高斯過程回歸進(jìn)行超分辨率重建的算法,僅利用圖像自身的冗余信息來進(jìn)行重建,雖然能在一定程度上改善重建質(zhì)量,但是重建效果還有待提高。針對這個(gè)問題,本文提出一種基于聚類和高斯過程回歸的算法

3、來進(jìn)行改進(jìn)。通過使用外部樣本庫并對樣本庫中的數(shù)據(jù)進(jìn)行聚類,得到相應(yīng)的訓(xùn)練集,然后利用不同類的訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)建立相應(yīng)的高斯過程回歸模型,最后將所有類的處理結(jié)果進(jìn)行融合得到最終的高分辨率圖像。通過實(shí)驗(yàn)仿真驗(yàn)證了該算法具有一定的改進(jìn)效果。
   此外,在高斯過程回歸重建中需要提供一個(gè)高分辨率圖像的初始估計(jì),而該初始估計(jì)的不同選取方式將對重建結(jié)果產(chǎn)生一定的影響。針對這一點(diǎn),本文提出了一種基于高斯過程回歸和稀疏表示的重建算法,將通過稀

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(huì)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(hù)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(fù)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(shí)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。

評論

0/150

提交評論