版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、中國(guó)科學(xué)技術(shù)大學(xué)博士學(xué)位論文基于范例的高性能圖像超分辨率姓名:熊志偉申請(qǐng)學(xué)位級(jí)別:博士專(zhuān)業(yè):電路與系統(tǒng)指導(dǎo)教師:張亞勤;吳楓20110420AbstractIIABSTRACTSuperresolution(SR)imagereconstructionisatypicalinverseproblemincomputervision.WiththeflourishingofdigitalimagevideoSRhasattractedme
2、meresearchattentionduetoitsextensiveapplicationsinrealwld.EspeciallytherearemanyoccasionsthatwewanttoincreasetheresolutionofasingleimagetheclassicalmultiframeSRtechniquesarenotapplicable.SingleimageSRisaseverelyillposedp
3、roblemthesolutiontowhichthusrequireseffectivepriinfmationasasupplement.TakeadvantageofthecrespondencebetweencooccurrenceimagepatchesattwodifferenceresolutionsrecentlydevelopedexamplebasedSRhasbeendemonstratedabreakthroug
4、hbringssignificantperfmanceimprovementintermsofimagereconstructionqualityoverpreviousmethods.Howeverthelimitedmappingaccuracyfromlowresolution(LR)tohighresolution(HR)isabigbarriertofurtherexploitthepotentialofexamplebase
5、dSR.InthispaperweproposethreedifferentmethodstoimprovethemappingaccuracyinexamplebasedSR.Firstafeatureenhancementschemewhichcombinesprefilteringintegratedinterpolationnonblindsparseprideblurringisutilizedtoreducetheintri
6、nsicdimensionalitygapbetweenHRLRspacesthustheambiguityduringfeaturemapping.SecondsoftinfmationdecisionisemployedtodepicttheonetomanycrespondencebetweenLRHRpatchesbypassingexplicitparametricdistributionsonTannergraphboost
7、ingtheflexibilityreliabilityoftraininglearninginexamplebasedSR.ThirdarobustSRframewkwhichcombinesadaptivePDEregularizationexamplebasedSRisdevelopedtosimultaneouslyimprovetheresolutionperceptualqualityofwidelydistributedw
8、ebimagevideodegradedbybothdownsamplingcompression.Extensiveexperimentshavebeenconductedonavarietyofimages(aswellasvideosifapplicable)toevaluatetheaboveproposedmethods.Distinctperfmanceimprovementintermsofbothobjectivesub
9、jectiveimagereconstructionqualitydemonstratestheeffectivenessofourmethodscomparedwithstateoftheartwks.KeyWds:superresolutionexampletraininglearningfeatureenhancementsoftinfmationsoftdecisionadaptiveregularizationprimalsk
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 高性能超分辨率重建算法研究.pdf
- 基于多幅低分辨率圖像的超分辨率圖像重建.pdf
- 基于圖像序列的超分辨率圖像重構(gòu).pdf
- 基于POCS的圖像超分辨率技術(shù).pdf
- 基于超分辨率的虹膜圖像增強(qiáng).pdf
- 基于稀疏編碼的圖像超分辨率.pdf
- 基于學(xué)習(xí)的圖像超分辨率技術(shù).pdf
- 基于車(chē)牌圖像的超分辨率重建.pdf
- 超分辨率圖像的重建.pdf
- 視頻圖像超分辨率復(fù)原.pdf
- 微波圖像超分辨率分析.pdf
- 圖像超分辨率重建研究.pdf
- 基于深度學(xué)習(xí)的圖像超分辨率重構(gòu).pdf
- 基于視頻序列的超分辨率圖像重構(gòu).pdf
- 基于字典學(xué)習(xí)的超分辨率圖像重構(gòu).pdf
- 基于視頻序列的超分辨率圖像重建.pdf
- 基于壓縮感知的圖像超分辨率重建.pdf
- 基于SIFT算法的超分辨率圖像重建.pdf
- 基于MAP的彩色圖像超分辨率重建.pdf
- 醫(yī)學(xué)圖像的超分辨率重建.pdf
評(píng)論
0/150
提交評(píng)論