Kernel-Regression-for-Image-Processing-and-Reconstruction核回归-图像处理与重构-演示文稿.pptVIP

Kernel Regression for Image Processingand Reconstruction 1.Introduction（介绍） 1.1.背景； 操作简单和成本效率高导致数字图像系统越来越受欢迎，但是传统的电影摄像机的低分辨率仍然是一大缺陷。由于商业数字相机使用的CCD像素（CCD是一种半导体装置，能够把光学影像转化为数字信号。 CCD上植入的微小光敏物质称作像素）的限制，我们在数字图像中经常看到抽样不足效应，使用更密集的CCD阵列不但会增加成本费用，而且还会使得图像中的噪声更多。鉴于此，这些年来，人们开始使用图像处理的方法来提高数字图像的质量。本文主要研究核回归方法，来试图恢复由于成像系统的限制而被破坏了的无躁的高频信息，还有退化过程，比如说压缩。 1.2.本文的主要内容； （1）提出经典的核回归方法，并说明该方法是降噪和插值的一个有效工具，且建立起与其他的一些方法之间的关系； （2）将经典核回归推广到自适应的核回归，并给出它在降噪和插值应用中的非常好的结果； 1.3.本文的结构; 2. Classical kernel regression（经典核回归） 2.1. Kernel Regression in 1-D（一维的情形） 假设1维信号的数学模型如下 其中表示回归函数 （未知的）， 表示在第个 采样点 处的采样值，表示独立