2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩141頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、數(shù)字圖像的超分辨(SR,Super-Resolution)重建是計算機視覺中一個很重要的基礎(chǔ)性問題,也是計算機視覺領(lǐng)域由來已久的研究熱點,在工業(yè)、農(nóng)業(yè)、軍事和醫(yī)療等領(lǐng)域有著廣泛的應(yīng)用。圖像超分辨重建技術(shù)的發(fā)展歷程大致經(jīng)歷了三個階段:基于傳統(tǒng)插值理論的方法、基于模型/重建的方法和基于機器學習的方法?;诓逯档姆椒ㄒ詳?shù)據(jù)的連續(xù)性假設(shè)為基礎(chǔ),重建效果較差卻一般具有很高的時間效率,是目前應(yīng)用范圍最為廣泛的一類技術(shù)。但這類技術(shù)種類繁多,目前還沒有

2、從理論角度對這類方法進行統(tǒng)一說明的相關(guān)文獻資料;基于重建的技術(shù)一般是通過對數(shù)字圖像成像的逆過程進行建模來重建高分辨率圖像,這類方法重建效果比插值方法好,但時間性能較差,而且對縮放因子比較敏感,很少用在實際應(yīng)用中;基于機器學習的方法是目前最有前景的一類技術(shù),也是該領(lǐng)域當前的研究熱點內(nèi)容。但是,訓練樣本的兼容性和質(zhì)量,以及時間性能是這類技術(shù)面臨的主要問題。針對上述超分辨技術(shù)存在問題,本文對數(shù)字圖像超分辨技術(shù)進行了廣泛而深入的研究,并分別提出

3、了相應(yīng)的解決方案。本文的主要貢獻如下:
  1.通過大量的理論分析和實驗驗證,發(fā)現(xiàn)諸多傳統(tǒng)多項式插值技術(shù)之間的本質(zhì)規(guī)律和內(nèi)在聯(lián)系。本文利用密切多項式近似的理論框架為當前大多數(shù)多項式插值算法提供了統(tǒng)一的理論描述和規(guī)律性的解決方案。這一理論框架既可以用于對現(xiàn)有插值算法進行分析與比較,又可以用于開發(fā)新的插值算法。
  2.提出了一種基于模型/重建的圖像超分辨算法。該算法通過泰勒展開式對輸入圖像進行預(yù)處理,使輸入圖像處于一種過度處理

4、狀態(tài),再利用曲率逆向擴散對其進行調(diào)整。這種改變迭代初始狀態(tài)的處理既可以有效縮短處理時間,又可以提高結(jié)果圖像的對比度和清晰度。
  3.重點研究了基于機器學習的超分辨技術(shù),針對訓練樣本質(zhì)量和時間效率問題提出了基于盲模糊估計與詞典學習的單幅圖像超分辨算法,從減少低分辨率特征空間與高分辨率特征空間之間的差異性的角度提出了基于統(tǒng)一最小二乘規(guī)則的單幅圖像超分辨算法。為了進一步提高機器學習方法的時間效率,采用錨定鄰域回歸對上述方法進行了改進并

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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論