基于小波稀疏字典的图像超分辨率重构方法研究-信息与通信工程专业论文.docxVIP

基于小波稀疏字典的图像超分辨率重构方法研究-信息与通信工程专业论文.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
I I 摘 要 图像超分辨率重构广泛应用于医学图像处理、视频监督、天文学研究等领域, 主要思想为利用已知的图像信息补充低分辨率图像丢失的细节信息,进而重构出 期望的高分辨率图像。现有的超分辨率重构方法一般处理的是无噪图像。对于受 到噪声和模糊化影响的图像,超分辨率重构常需要两个独立的过程,即去噪和超 分辨率处理。近年的超分辨率重构研究热点之一是如何对图像同时去噪和提高分 辨率。 目前,已有的处理含噪图像超分辨率重构方法包括基于插值的方法,基于学 习的方法等,其中基于稀疏表示的超分辨率重构方法如稀疏编码基方法,稀疏权 值方法等受到研究者们的关注。基于稀疏表示的超分辨率重构方法在处理图像超 分辨率重构时,能够利用稀疏表示理论对不同图像条件如模糊,噪声等,自适应 地调整方法的参数来获得同步降噪和图像超分辨率重构效果。该类方法的不足在 于处理高噪声图像的超分辨率重构问题时,未考虑噪声对低分辨率图像边缘等特 征信息的干扰。 因此,本论文在稀疏表示理论与小波变换的基本理论基础上,围绕如何有效 的利用高分辨率图像集对低分辨率图像同步去噪和超分辨率重构进行研究。本文 首先阐述与本课题直接相关的基础知识以及理论基础,重点总结分析图像超分辨 率重构方法中处理噪声图像方法的关键技术,稀疏字典的构造方法以及小波变换 的基本理论。随后,根据小波变换的正交性与多分辨分析特性,提出基于小波稀 疏字典的图像超分辨率重构模型,其中,主要设计小波分析字典,小波学习字典 的两种稀疏字典构建模型,以及图像超分辨率重构优化模型,获得提升图像降噪 和超分辨率重构的效果。最后,本文将提出的方法应用于无噪、含噪图像的低分 辨重构上,与已有方法相比后验证了本文方法的有效性。 关键词:图像超分辨重构;图像去噪;离散小波变换(DWT);稀疏字典;稀疏 表示 II II Abstract Image super-resolution reconstruction is widely applied in medical imaging, remote sensing images and other fields. Generally, this reconstruction mainly processes noiseless image. For images affected by noise and blur, the independent image de-noising often is required before super-resolution construction. Therefore, how to simultaneously de-noise and improve the resolution has become a hot of the super-resolution reconstruction. At present, de-noising and super-resolution reconstruction methods of image include interpolation methods, learning-based methods. etc. The later methods are the known methods which take advantage of the sparse representation theory to dispose different image conditions such as blur, noise. These methods adaptively adjust parameters to de-noise and reconstruct image without considering that the features information of low-resolution image is easily disrupted by noise. For noising image, the super-resolution reconstruction methods need more operations to deal with it. Therefore, this paper focus on how to effectively use the high-resolution images for synchronization de-noising and super-resolution reconstruction of low-resolution image with sparse theory and wavelet transfo

您可能关注的文档

文档评论(0)

131****9843 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档