資源描述：
《基于學(xué)習(xí)的圖像超分辨率重建算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)：密級(jí)：UDC：編號(hào)：河北工業(yè)大學(xué)碩士學(xué)位論文基于學(xué)習(xí)的圖像超分辨率重建算法研究論文作者：張鳳林學(xué)生類別：全日制學(xué)科門(mén)類：工學(xué)碩士學(xué)科專業(yè)：通信與信息系統(tǒng)指導(dǎo)教師：劉翠響職稱：副教授DissertationSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofCommunicationandInformationSystemsRESEARCHONLEARNING-BASEDIMAGESUPER-RESOLUTIONRECONSTRUCTIONALGORITHMSbyZhangF
2、englinSupervisor:Prof.LiuCuixiangMay2017摘要隨著信息化的不斷深入，人類對(duì)獲得生動(dòng)性、形象性的信息越來(lái)越注重。高質(zhì)量的圖像恰好能滿足這一需求。但是在現(xiàn)有成像系統(tǒng)中，由于硬件限制以及外界不定因素的影響，使獲得的圖像分辨率經(jīng)常不能滿足實(shí)際需求。而從硬件上尋求方法以獲得高質(zhì)量圖像需要很高的成本。因此，從軟件上解決這一問(wèn)題的方法應(yīng)運(yùn)而生。相對(duì)于傳統(tǒng)的超分辨率重建算法，基于學(xué)習(xí)的圖像超分辨率重建算法是近來(lái)的研究熱點(diǎn)。文中在研究目前學(xué)習(xí)算法基礎(chǔ)上，對(duì)現(xiàn)有算法中存在問(wèn)題提出改進(jìn)。然后針對(duì)現(xiàn)有算法的不足提出基于極限學(xué)習(xí)機(jī)的
3、圖像超分辨率重建。主要研究?jī)?nèi)容和創(chuàng)新如下：（1）字典的構(gòu)建是基于學(xué)習(xí)的圖像超分辨率重建方法的關(guān)鍵，針對(duì)現(xiàn)有字典學(xué)習(xí)算法訓(xùn)練不夠充分，無(wú)法獲得足夠的先驗(yàn)信息用于重建低分辨率圖像，提出改進(jìn)的字典學(xué)習(xí)算法。字典學(xué)習(xí)算法同時(shí)更新字典矩陣和稀疏系數(shù)矩陣中的非零元素項(xiàng)，再結(jié)合聯(lián)合字典的思想，使得改進(jìn)后的算法求得的字典稀疏誤差更小，求得的字典原子更優(yōu)，并且字典收斂速度更快。（2）針對(duì)樣本圖像塊所含信息較多，字典訓(xùn)練時(shí)間過(guò)長(zhǎng)的問(wèn)題，提出了低秩矩陣結(jié)合改進(jìn)字典的超分辨率方法，將圖像分解為低秩部分和稀疏部分別進(jìn)行處理，能更加有效利用圖像的特征信息，獲得高質(zhì)量的超分
4、辨率圖像。（3）針對(duì)稀疏表示的圖像超分辨率重建中存在的塊狀效應(yīng)以及重建后的圖像細(xì)節(jié)信息不充分的問(wèn)題，提出在小波域構(gòu)造字典用于圖像超分辨率重建。在單一特征空間上訓(xùn)練更緊湊的字典，能較好地恢復(fù)圖像的局部紋理和邊緣，針對(duì)帶噪聲的低分辨圖像進(jìn)行實(shí)驗(yàn)取得了不錯(cuò)的效果。（4）面向圖像的稀疏表示以及字典學(xué)習(xí)算法，借鑒機(jī)器學(xué)習(xí)算法的思想，采用時(shí)效性更高、參數(shù)調(diào)節(jié)少的極限學(xué)習(xí)機(jī)算法，實(shí)現(xiàn)圖像超分辨率重建。在字典學(xué)習(xí)的基礎(chǔ)上，將極限學(xué)習(xí)機(jī)理論應(yīng)用于圖像超分辨率重建，研究極限學(xué)習(xí)機(jī)算法用于圖像超分辨率重建的優(yōu)化方法。最后通過(guò)實(shí)驗(yàn)證明，所提超分辨率重建模型無(wú)論是在客觀
5、指標(biāo)評(píng)價(jià)方面還是在主觀視覺(jué)方面都取得了較優(yōu)的效果。關(guān)鍵詞：超分辨率字典學(xué)習(xí)極限學(xué)習(xí)機(jī)低分辨率稀疏表示IABSTRACTWiththedevelopmentofinformationtechnology,peoplepaymoreandmoreattentiontothevividnessandvisualizationofinformation.High-qualityimagesjustcanmeetthisdemand.Butintheexistingimagingsystem,theresolutionoftheimagecannotme
6、ettheactualdemandbecauseofthelimitationofhardwareandtheuncertaintyoftheoutsideworld.Seekingmethodstoobtainhighqualityimagesfromthehardwarerequiresahighcost.Therefore,themethodtosolvethisproblemfromsoftwarecameintobeing.Comparedwiththetraditionalsuper-resolutionreconstruction
7、algorithm,thelearning-basedimagesuper-resolutionreconstructionalgorithmisaresearchhotspotrecently.Onthebasisofstudyingthecurrentlearningalgorithm,theexistingproblemsintheexistingalgorithmsareimproved.Then,basedontheshortcomingsoftheexistingalgorithms,imagesuperresolutionreco
8、nstructionbasedontheextremelearningmachineisproposed.Themainresearchcontent
