开题报告PPT 基于稀疏表示图像分辨率增强处理.ppt

华东理工大学 East China University of Science And Technology 图像分辨率增强处理 (开题报告) 研究背景 图像是人类获取信息的几大来源之一，是人类社会活动中最为常用的信息载体。 人眼观察到的图像，其细节信息越丰富，图像的整体效果越好，图像质量越高。 然而受到诸多因素的影响，实际获得的图像质量往往达不到预期。 研究背景（续） 在传统成像设备条件受到限制的情况下，利用其它思路来提高图像分辨率的方法有了实际应用需求——图像超分辨率重建技术。 超分辨率重建技术是指利用信号处理技术，从单帧或多帧低分辨率图像中重建出高分辨率图像的技术。该技术可以有效地提高图像的空间分辨率。 研究背景（续） 图像超分辨率重建技术的实际应用： 卫星成像 医学成像 视频监控成像 高清视频成像 文献综述 图像超分辨率重建技术的算法有许多种，我们根据其基本原理的不同，主要将其分为三个大类：基于插值的方法；基于重建的算法；基于学习的算法。 其中，基于插值的方法相对来说最为简单，因此最适合于实时处理；基于重建的方法是目前最广泛的研究的方法；而基于学习的方法是目前最流行的的算法。 文献综述（续） 在图像超分辨率重建问题中，我们通常使用一个前向观测模型来表示高分辨率图像和低分辨率图像之间的关系，我们也将之称为图像的降质模型。 高分辨率图像经过形变，模糊，和下采样三个步骤，并伴随系统噪声，从而得到观察的低分辨率图像。 前向观测模型由下图所示： 文献综述（续） 技术路线 本课题预想主要利用基于学习的超分辨率重建技术，重点研究稀疏表示在图像超分辨率重建当中的应用。 基于稀疏表示的图像超分辨率重建算法的第一步即是利用图像训练库来获得过完备的稀疏表示字典。其大致过程由下图表示： 技术路线（续） 技术路线（续） 基于稀疏表示的图像超分辨率重建算法在经过字典训练之后，通过将已知的低分辨率图像在训练中得到的高低分辨率字典中进行稀疏表示和重建，从而估计出理想的高分辨率图像。 基于稀疏表示的图像超分辨率重建算法过程见下图： 技术路线（续） 进度安排 第1-2周 查阅文献，进行文献翻译工作； 第3-5周 进一步熟悉课题，修改和完善文献翻译，撰写开题报告并进行交流； 第6-8周 查阅图像超分辨率重建算法和稀疏表示的相关文献资料，学习相关算法及其仿真技术； 第9-12周 获取过完备训练字典，编写基于稀疏表示的图像超分辨率算法；参加中期交流和考核； 第13-15周 使用所提出算法进行试验，获取仿真实验结果和数据； 第16-18周 撰写论文，完善论文，论文打印，装订，以及论文答辩。 谢谢！ 华东理工大学 East China University of Science And Technology