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(rèn)領(lǐng)
文檔簡介
1、隨著科技和生活水平的不斷提高,我們擁有了更多的成像產(chǎn)品。圖像和多媒體成為了極其重要的信息傳遞媒介。但是在圖像的成像、存儲等一些處理中,無論是由于外部的光照環(huán)境,還是成像設(shè)備本身固有的缺陷,獲取到的圖像很多時候質(zhì)量達(dá)不到要求。這類圖像丟失了很多細(xì)節(jié)信息,為了能夠恢復(fù)這些信息,獲取更高分辨率的圖像。一般有兩種方法:一、通過改善成像設(shè)備的質(zhì)量,但是硬件質(zhì)量的提升成本很高,而且目前技術(shù)也有較大的局限性;二、尋求硬件之外的軟件方法,也就是圖像超分
2、辨率重建技術(shù)。
圖像超分辨率重建技術(shù)近些年來成為了學(xué)者們研究的熱點,而基于稀疏表示的圖像超分辨率重建技術(shù)更是得到學(xué)者們青睞?;谙∈璞硎镜膱D像超分辨率重建技術(shù)一般都只關(guān)注于字典的構(gòu)建和更新,很少有人關(guān)注到在字典構(gòu)建時所需用到的訓(xùn)練圖像高頻邊緣特征對字典訓(xùn)練的影響。同時利用基于稀疏表示的圖像超分辨率技術(shù)重建后的圖像在一些邊緣紋理細(xì)節(jié)上還能有較大的改進?;谝陨蟽蓚€不足,本文主要做了一下以下的工作:
一、提出基于改進的高
3、斯拉普拉斯特征提取和稀疏表示的圖像超分辨率重建方法。該方法是基于稀疏表示的圖像超分辨技術(shù)的框架,主要內(nèi)容是以下幾個方面:
1.圖像訓(xùn)練集只需要高分辨率圖像,低分辨率的圖像訓(xùn)練集由高分辨率圖像模糊和降質(zhì)得來;
2.引入了一種高斯拉普拉斯模板對圖像進行有效的去噪和邊緣紋理特征的提取;
3.采用提取的邊緣高頻特征進行高低分辨率過完備字典的訓(xùn)練;
4.對低分辨率的測試集圖像進行重建。
二、提出了
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(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。
最新文檔
- 基于稀疏表示的單幅圖像超分辨率重建研究.pdf
- 基于稀疏表示和局部秩的單幅圖像超分辨率重建方法研究.pdf
- 基于稀疏表示的單幅圖像超分辨率重建算法研究.pdf
- 基于稀疏表示的單幅圖像超分辨率.pdf
- 基于稀疏表示的單幅彩色圖像超分辨率重建方法研究.pdf
- 基于多特征融合和稀疏表示的單幅圖像超分辨率重建算法.pdf
- 基于稀疏表示和小波變換的單幅人臉圖像的超分辨率重建.pdf
- 稀疏表示在單幅圖像超分辨率重建中的應(yīng)用研究.pdf
- 基于稀疏表示的紅外圖像超分辨率重建.pdf
- 基于稀疏表示的超分辨率圖像重建算法研究.pdf
- 基于非負(fù)結(jié)構(gòu)稀疏表示的光譜圖像超分辨率重建.pdf
- 基于稀疏表示和回歸的圖像快速超分辨率重建.pdf
- 基于稀疏表示和回歸的圖像超分辨率重建的研究.pdf
- 基于稀疏字典學(xué)習(xí)和核稀疏表示的圖像超分辨率重建.pdf
- 基于高斯過程回歸和稀疏表示的圖像超分辨率重建.pdf
- 基于稀疏表示和混合樣本的圖像超分辨率重建算法研究.pdf
- 基于稀疏表示的圖像超分辨率重建技術(shù)研究.pdf
- 基于稀疏表示的文本圖像超分辨率重建研究.pdf
- 基于稀疏表示的超分辨率重建和圖像修復(fù)研究.pdf
- 基于稀疏表示的彩色圖像超分辨率重建算法研究.pdf
評論
0/150
提交評論