图像超分辨率技术20150401概述.pptx

图像超分辨率技术;一、超分辨率(Super-Resolution)的定义;二、超分辨率的应用场景;三、图像超分辨率技术基本原理;三、图像超分辨率技术基本原理;图像超分辨率的 主要实现方法;五、相关论文;五、相关论文;[8]郑丽贤, 何小海, 吴炜, 等. 基于学习的超分辨率技术[J]. 计算机工程, 2008, 34(5): 193-195. 【摘要】?基于学习的超分辨率算法使用一个图像训练集来产生一个学习模型,运用该模型为输入的低分辨率图像创建更多的高频信息,获得比基于重建算法更好的结果。该文介绍了基于学习的超分辨率技术的相关工作、理论基础和主要算法,提出基于学习的超分辨率算法中仍需解决的关键问题,展望其在未来的研究发展方向。? [9]裴仁静. 基于拉普拉斯金字塔的图像细节增强[J]. 计算机光盘软件与应用, 2012 (3): 168-168. 【摘要】?拉普拉斯金字塔被广泛地运用于到多尺度的图像分解和图像分析中,但由于拉普拉斯金字塔的构成是在高斯金字塔的基础上演变而来的,它被认为是不适合于应用到边缘保持平滑的感知操作中。为了解决这些问题,许多方法已被提出。虽然这些方法被证明是成功的,但他们常伴有较高的计算成本或是需要后期处理。我们算法是运用边缘像素值来区分大型边缘上的小规模细节。在这个结果的基础上,我们提出了一套图像过滤器,以实现图像的细节增强,我们做法的优势是算法的简单性和灵活性,并且不会降低边或引进光晕。? [10]宋俊玲. 基于小波变换的图像超分辨率重建算法研究[D]. 燕山大学, 2010. 【摘要】分析了第一代小波变换有不均匀采样和定义在有限区间上的难题,得出一种新的重构方法-基于第二代小波变换的超分辨率重建算法,并对小波变换后的小波系数利用硬/软阈值降噪,通过模拟仿真分别利用不同的小波算法对图像序列进行了重构,并对实验结果进行了分析,比较。通过本文的研究,最终表明基于第二代小波的图像超分辨率重构算法保留了丰富的细节信息,提高了图像的分辨率,确认了该算法的可行性。 [11]王宇, 吴炜, 严斌宇, 等. 基于 SVR 的人脸图像超分辨率复原算法[J]. 四川大学学报 (自然科学版), 2013, 4: 013. 【摘要】?本文针对目前大多数基于学习的超分辨率算法由于分类算法造成的量化误差的问题,提出了基于SVR的人脸图像超分辨率算法.算法首先分别提取训练库中高低分辨率图像块的高频信息和中频信息(差分高斯特征,DoG)作为建立回归关系的特征,依据它们的关系(并考虑人脸的特殊性)使用SVR建立起回归模型.在复原时,将待复原的低分辨率图像的中频特征输入已经建立的SVR回归模型得到需要的高频信息.通过对亚洲人脸库(亚洲人为主)IMDB和Yale人脸库(欧美人为主)的实验结果表明,本文提出的方法对亚洲人脸和欧美人脸都能取得了较好的复原效果,复原的图像在主观的视觉效果和客观的峰值信噪比上都取得较好的结果.?;[12]曹昆. 基于 Contourlet 变换的图像超分辨率重建算法研究[D]. 西安电子科技大学, 2010. 【摘要】本论文的主要工作如下:(1)提出了基于Contourlet变换和SAI(Soft-decision adaptive interpolation)算法的单帧图像超分辨率重建方法。该方法利用Contourlet变换在图像处理中对图像的边缘信息和细节信息良好的捕捉特性,以及SAI算法在图像分辨率的增强过程中对图像细节信息良好的保持特性。实验仿真表明提出的算法具有较好的效果。通过对提出算法的分析,文章提出另一种基于Contourlet变换和SAI算法的单帧图像重建方法,低频修正的方法,仿真实验结果同样证明了该算法的合理性和可行性;(2)提出了基于Contourlet变换和POCS(Projection Onto Convex Set)相结合的序列图像超分辨率重建方法。POCS是序列图像重建技术中的经典算法,该方法的优点是:可以方便地加入物体的先验信息,也可以很好地保持高分辨率图像的边缘和细节。因此提出的算法结合POCS的特点以及Contourlet变换在图像处理过程中的良好特性进行序列图像重建。通过实验仿真分析并与其它的算法进行对比可以看到提出的算法在主观视觉效果以及PSNR方面都具有较好的效果;(3)提出了基于Contourlet变换和图像融合技术相结合的序列图像超分辨率重建方法。图像融合是将两个或者两个以上的传感器获取的关于某个具体场景的图像信息加以综合,以生成一个新的有关此场景的解释,其主要目的是减少图像信息的不确定性,通过对多幅图像间互补信息的处理来提高图像的清晰度。在此基础上提出了与Contourlet变换结合的序列图像重建方法。仿真实验结果并与其它算法的对比证明提出算法的合理性和可行性。 [