检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

单帧图像超分辨率重建算法研究

单帧图像超分辨率重建算法研究

作者：刘环南昌航空大学

学位级别：硕士

人类获取的信息70%-80%来自视觉,图像在信息传递中扮演着不可缺少的作用,高质量高分辨率的图像意味着图像细节更加丰富。早期,超分辨率重建算法的提出是为了摆脱硬件对高分辨率的桎梏通过软件方式来提升图像分辨率;现如今,虽然硬件水平... 详细信息

人类获取的信息70%-80%来自视觉,图像在信息传递中扮演着不可缺少的作用,高质量高分辨率的图像意味着图像细节更加丰富。早期,超分辨率重建算法的提出是为了摆脱硬件对高分辨率的桎梏通过软件方式来提升图像分辨率;现如今,虽然硬件水平得到大幅提升,但人们对高分辨率图像的需求也水涨船高,超分辨率重建算法依然有着应用市场和研究意义。随着计算机计算能力成几何倍数的提高,基于样本学习的单帧超分辨率重建算法是研究热点,相比于基于重建的超分辨率重建算法,前者能更加复杂的图像结构来重构图像。但大部分使用外部样本库学习的超分辨率重建算法会出现图像特征不匹配的现象,而使用内部样本库学习的超分辨率重建算法往往其样本库又太小;针对这一问题,本文第三章做出如下创新研究:(1)将图像块进行几何变形来扩充样本库大小,从而使样本库更加充分表达场景纹理外观的变换;设计了新的图像块相似度度量公式,将图像块的尺度、方向和亮度作为相似衡量因素,增加相似图像块搜索的精度;在相似图像块搜索阶段,对搜索算法patchmatch进行优化,并引入模拟去火算法,增加其跳出局部极小值的能力。此外,目前超分辨率算法普遍倾向于使用更大的样本库和更复杂的算法来提高重建质量,往往忽视重建算法的运行时间,针对这一问题,本文第四章做出如下创新研究:(2)将邻域嵌入算法和稀疏表示相结合来进行字典学习,提高特征图像块字典的性能和使其获得更多的特征表示;将大量的计算过程放在字典训练阶段,算法测试时只需要搜索相邻锚定点,然后映射到高分辨率空间;对输入的低分辨率图像做几何变换,采用小倍数来迭代生成所需的放大倍数重建图。实验结果表明,本文第三章和第四章提出两种超分辨率重建算法的图像重建质量在主观和客观指标上均优于参照组的算法;第四章算法在运行时间上有显著提高,具有可行性。

关键词：单帧图像超分辨率自相似性稀疏表示几何变换迭代反向投影法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于组稀疏表示的在线单帧图像超分辨率算法

计算机科学 2018年第4期45卷 312-318页

作者：李键红吴亚榕吕巨建广东外语外贸大学语言工程与计算实验室广州510006 仲恺农业工程学院科学技术处广州510225 广东技术师范学院计算机学院广州510665

基于稀疏表示的图像超分辨率重建算法以近似随机抽取的方式选取字典中的原子来拟合图像片,而实际中的字典原子的选择体现出了很强的结构稀疏性,从而导致算法计算复杂且引入了大量的误差,影响重建图像的质量。针对该问题,提出了一种基于... 详细信息

基于稀疏表示的图像超分辨率重建算法以近似随机抽取的方式选取字典中的原子来拟合图像片,而实际中的字典原子的选择体现出了很强的结构稀疏性,从而导致算法计算复杂且引入了大量的误差,影响重建图像的质量。针对该问题,提出了一种基于组稀疏表示的在线图像超分辨率重建算法。该方法引入组稀疏理论,仅利用输入的低分辨率图像作为样本来构建组稀疏字典,通过结合组稀疏性和几何对偶性来构建超分辨率图像算法的成本函数,并使用提出的一种迭代的方法进行求解。实验表明,该算法在视觉观察和参数比较上都优于当前主流的超分辨率算法。

关键词：组稀疏表示单帧图像超分辨率正交匹配追踪字典学习迭代优化

基于最大化自相似性先验的盲单帧图像超分辨率算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2018年第2期45卷 147-151,156页

作者：李键红吕巨建吴亚榕广东外语外贸大学语言工程与计算实验室广州510006 广东技术师范学院广州510665 仲恺农业工程学院科学技术处广州510225

图像的自相似性质和图像质量之间存在着密切的关系,清晰的自然图像中几乎所有的图像片都在其自身或较低尺度内存在着重复。然而,在存在噪声或模糊等降质处理的图像中,这一性质明显减弱。针对这一现象,提出一种最大化自相似性先验的盲单... 详细信息

图像的自相似性质和图像质量之间存在着密切的关系,清晰的自然图像中几乎所有的图像片都在其自身或较低尺度内存在着重复。然而,在存在噪声或模糊等降质处理的图像中,这一性质明显减弱。针对这一现象,提出一种最大化自相似性先验的盲单帧图像超分辨率算法。该算法通过迭代计算求解超分辨率图像和降质过程的模糊核,使得到的超分辨图像中的任一图像片在输入的低分辨率图像中都以最大的概率存在。这一算法不仅能够准确地计算降质过程的模糊核,得到高质量的高分辨率图像,而且其先验知识随着输入图像的不同而自动进行调整,使得算法具有更强的鲁棒性。大量实验表明,该算法的PSNR,SSIM参数结果较主流算法都有着明显的优势。

关键词：单帧图像超分辨率盲超分辨率自相似成像模型概率密度函数

单帧图像的快速超分辨率重建及模式识别的研究

在线全文

学校读者我要写书评

暂无评论

单帧图像的快速超分辨率重建及模式识别的研究

作者：郭放达东北大学

学位级别：硕士

随着数据信息量不断增多,在信号可压缩和变换域上稀疏的前提下,传统信号采样技术的高采样速率造成采样过程中包含很多的冗余信息。以泛函分析和逼近论作为理论基础,Candes等人提出的压缩感知理论是一种有损的新的采样压缩技术,以其独特... 详细信息

随着数据信息量不断增多,在信号可压缩和变换域上稀疏的前提下,传统信号采样技术的高采样速率造成采样过程中包含很多的冗余信息。以泛函分析和逼近论作为理论基础,Candes等人提出的压缩感知理论是一种有损的新的采样压缩技术,以其独特的采样压缩机制,及其较低的采样速率很快备受瞩目,并成功地解决了传统采样技术中存在的不足。为此,本文利用压缩感知技术,改进传统的图像处理方法,主要的工作和贡献是提出了一个新的基于自样本学习和稀疏表示的快速单帧图像超分辨率重建算法。在K次奇异值分解算法(SVD)的基础上,我们提出了一个更加有效的解决方案,即通过一个更方便计算的近似值来替换原有精确的SVD计算过程,并且采用更适合本文提出的基于少量信号的自样本学习稀疏重建的直接正交匹配追踪算法。用于字典学习的图像块通过本文提出的样本均方误差策略有效地从低分辨率输入图像本身提取出来,而不依靠任何包含大量高分辨率图像信息的外部训练图像库。此外,相比于基于l1的优化准则,我们在字典学习和重建阶段均使用更快的基于l0的优化准则。相比于其他的超分辨率重建算法,我们的低维度字典是一种对图像块对更紧凑的表示形式,并且能够共同学习全局和局部信息从而很大地降低了计算成本。本文的算法可以生成质量与其他算法相似但在计算效率上却高出百倍的高分辨率图像。其次,由于遥感土地使用场景分类有着广泛的应用,包括林业,城市增长分析和气象预报。为此,本文还提出了一种有效的土地使用场景分类图像表示方法,基于Gabor过滤的完整局部二元模式(GCLBP)。它采用了多方向的Gabor滤波器,从输入图像中捕获全局的纹理信息。然后,使用CLBP局部算子从Gabor特征图像和输入图像中提取局部纹理特征,诸如棱角。用所得CLBP直方图的特征来共同表示输入图像。基于两个数据集的实验结果表明,该方法优于现有的土地使用场景分类方法。上述成果可以分别有效并快速地解决低分辨率图像中像素信息不足和遥感土地使用场景分类等问题,为图像超分辨率重建和遥感图像识别领域提供有益的参考。

关键词：单帧图像超分辨率自样本学习稀疏表示模式分类

基于自相似性与多任务高斯过程回归的单帧图像超分辨率重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光学精密工程 2018年第11期26卷 2814-2826页

作者：李键红吴亚榕吕巨建广东外语言外贸大学语言工程与计算实验广东广州510006 仲恺农业工程学院仲恺科技服务公司广东广州510225 广东技术师范学院计算机学院广东广州510665

在单帧图像超分辨率问题中,基于高斯过程回归的超分辨率算法没有挖掘相似图像片间的关联关系或者无差别地用相似图像片来扩充训练集合,都会导致重建的高分辨率图像中存在明显的噪声和伪影。对此提出了一种基于多任务高斯过程回归的超分... 详细信息

在单帧图像超分辨率问题中,基于高斯过程回归的超分辨率算法没有挖掘相似图像片间的关联关系或者无差别地用相似图像片来扩充训练集合,都会导致重建的高分辨率图像中存在明显的噪声和伪影。对此提出了一种基于多任务高斯过程回归的超分辨率算法。该算法通过引入多任务学习思想,将输入的低分辨率图像进行分片处理,把每一个图像片的超分辨率过程视为一个任务。在对相似任务建模的过程中,通过最优化求解的参数集合来体现任务间的共性及差异,从而使模型的泛化能力和预测精度得以提高,在重建高分辨率图像清晰锐利的同时,噪声和伪影受到明显抑制。用常见的测试图像以及公开的图像测试集合进行的大量试验表明该算法在主观评价和客观评价两个方面均优于同类型算法及当前经典算法,峰值信噪比较其它常见超分辨率算法可提高约0.5dB。

关键词：单帧图像超分辨率多任务学习高斯过程回归图像自相似性最优化估计

多任务学习框架下的单帧图像超分辨率重建（英文）

在线全文

学校读者我要写书评

暂无评论

仲恺农业工程学院学报 2015年第4期28卷 50-53页

作者：吴亚榕仲恺农业工程学院科技处广东广州510225

为了充分利用图像的自相似性质,针对图像的超分辨率重建问题构造了一个多任务学习的问题,并基于高斯过程回归进一步扩展,提出了一个新颖的单帧图像超分辨率重建算法.该算法能够在图像的超分辨率重建结果中有效地抑制图像显著边缘处出现... 详细信息

为了充分利用图像的自相似性质,针对图像的超分辨率重建问题构造了一个多任务学习的问题,并基于高斯过程回归进一步扩展,提出了一个新颖的单帧图像超分辨率重建算法.该算法能够在图像的超分辨率重建结果中有效地抑制图像显著边缘处出现的噪声和伪影,并能生成视觉效果更为自然的高分辨率图像.实验表明该算法产生的高分辨率图像结果能够相当于甚至超越当前先进的算法.

关键词：单帧图像超分辨率多任务学习高斯过程回归自相似

基于无透镜显微系统的细胞图像单帧超分辨率算法研究及硬件加速

在线全文

学校读者我要写书评

暂无评论

基于无透镜显微系统的细胞图像单帧超分辨率算法研究及硬件加速

作者：张雪西安理工大学

学位级别：硕士

无透镜显微系统因其成像视野大、便携性好,在细胞检测领域受到研究者的广泛关注。但系统结构决定了采集的图像分辨率较低,难以直接获取细胞细节信息。因此研究基于无透镜显微系统的细胞图像超分辨率算法及其硬件加速具有重要意义。在分... 详细信息

无透镜显微系统因其成像视野大、便携性好,在细胞检测领域受到研究者的广泛关注。但系统结构决定了采集的图像分辨率较低,难以直接获取细胞细节信息。因此研究基于无透镜显微系统的细胞图像超分辨率算法及其硬件加速具有重要意义。在分析无透镜显微系统所采集细胞图像特点的基础上,结合卷积神经网络算法的优异性,本文针对图像特征少、结构单一的细胞图像数据集,搭建并优化了一个基于递归卷积的超分辨率网络。首先,网络训练集使用光学显微镜采集的高清红细胞图像作为标签,对其下采样及尺寸放大后作为低分辨率训练图像,网络测试集为无透镜显微系统采集的低分辨率红细胞图像;网络训练以Tensorflow为主要平台,通过对卷积核大小、激活函数及网络层数等参数进行大量调试得到初步网络模型,进一步根据测试集重建效果对各项参数进行微调后完成最终网络模型的确定。为满足移动平台的实时计算,对所设计的卷积神经网络算法需要进行FPGA平台的硬件加速。第一步,在重建图像质量损失尽可能小的前提下进行量化训练,将网络参数从float32型转为int8型,模型参数所需存储量减少为量化前的50%左右。第二步,在VCS环境下进行超分辨率算法的硬件功能仿真。最后在Vivado软件搭建以可配置卷积神经网络加速IP为核心的硬件系统,完成算法网络的相关配置后进行下板调试、计算结果提取及对比验证。同时与其他三种经典超分辨率方法对细胞图像超分辨率3倍,主观评价表明,本文算法重建的细胞图像边缘及细节纹理增强更为明显,客观图像质量评价方面至少提升10%。最终将FPGA平台的硬件加速结果经UART串口打印,与算法处理结果的对比数据表明,细胞图像单帧超分辨率算法可成功在FPGA平台实现硬件加速。

关键词：单帧图像超分辨率无透镜显微系统卷积神经网络硬件加速

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于像素分布的生成式图像超分辨率方法研究

基于像素分布的生成式图像超分辨率方法研究

作者：高洪帆华东师范大学

学位级别：硕士

随着计算机多媒体技术、数字图像处理技术和数字图像显示技术的快速发展,人们对高分辨率图像的需求也逐渐增加。然而,由于外界条件和设备限制等因素的制约,直接获取高分辨率图像是一项具有挑战性的任务。为了解决这一问题,图像超分辨率... 详细信息

随着计算机多媒体技术、数字图像处理技术和数字图像显示技术的快速发展,人们对高分辨率图像的需求也逐渐增加。然而,由于外界条件和设备限制等因素的制约,直接获取高分辨率图像是一项具有挑战性的任务。为了解决这一问题,图像超分辨率技术应运而生。超分辨率技术(Super Resolution,SR)是一种图像处理技术,其目的是从一副或多幅模糊的低分辨率图像中重建出对应的具有高分辨率的图像。近些年来,对深度学习技术的研究逐渐深入,计算机系统以及相关硬件的运算能力也显著提升,深度学习技术在超分辨率成像问题上也得到了广泛的应用。然而,现有的基于深度学习的方法主要采用像素信息或视觉感知角度对超分辨率过程进行优化,而缺乏对图像分布信息的利用。因此,如何有效地利用图像分布信息成为了当前超分辨率技术研究的一个可能的突破方向。以图像超分辨率任务之中常见的单帧图像超分辨率任务为研究对象,本文以充分分析利用分布信息为出发点,实现了更好的重建效果和分布迁移的图像超分辨率为目标,设计了三种图像超分辨率模型,主要工作内容如下:基于双层生成对抗网络的图像超分辨率方法生成对抗网络是当前单帧图像超分辨率重建任务中常用的方法。然而,现有的基于生成对抗网络的超分辨率方法容易产生模糊和伪影,导致输出图像质量较差。为解决这个问题,本文创新性地提出了一种双层判别器的生成对抗网络结构,保留了原有的用于判断图像输出的判别器的同时,并引入了一个用于判断隐空间分布的判别器,从而提高了网络在单帧图像超分辨率任务上的表现。本文在三个可公开获取的数据集上对实验结果进行了测试,实验表明我们提出的基于双层生成对抗网络的图像超分辨率方法可以超越其他超分辨率方法的表现,并能有效地解决图像超分辨率中常见的边界和细节问题。此外,本文还进行了大量的消融实验,证明了提出的网络中一系列创新模块的有效性。基于Wasserstein自编码器的图像超分辨率方法基于生成对抗网络的方法虽然在图像的重建过程之中可以利用图像之中的分布信息,但是生成对抗网络的训练过程十分不稳定,并且在生成的结果之中可能会遭遇模式坍缩的问题。为了解决上述问题,本文将基于Wasserstein自编码器的方法应用于了图像超分辨率任务。本文提出了一种新型的基于Wasserstein自编码器的深度学习方法,该方法度量了输出图像分布于真实图像分布之间的Wasserstein距离,并将其作为惩罚项加入训练的目标函数,从而提升了网络在超分辨率任务上的表现。四个可公开获取的数据集在本文之中被用来对实验结果进行测试,实验结果表明本文的方法超越了其余图像超分辨率方法。在图像视觉效果上的对比表明本文的方法可以解决图像重建过程之中常见的复杂纹理图像问题、过平滑问题与细节问题。同时,本文进行了大量的消融实验,证明了提出的网络中一系列创新模块的有效性与泛用性。基于Wasserstein自编码器的分布可迁移的图像超分辨率方法受到基于参考的图像超分辨率任务和风格迁移任务的启发,本文创新性的提出了一种基于Wasserstein自编码器的分布可迁移的图像超分辨率方法。与基于参考的图像方法类似,本文的方法引入一张额外的图像作为输入以为输出提供分布信息。并通过设计一个分布迁移网络,利用该网络将参考图像的分布迁移至输出图像。四个公开数据集被用于本文的实验部分,实验结果表明,一方面,在不考虑分布迁移模块时(即:参考图像不影响输出图像的分布信息时),本文的网络可以取得超越其余单帧超分辨率网络的效果。在引入了额外的分布迁移模块之后,实验结果表明随着迁移系数α的调整,本文的网络可以动态调整分布的迁移程度。本文还进行了额外的消融实验,证明了网络结构中各个模块的合理性与必要性。围绕单帧图像超分辨率任务,本文从建模与比较图像概率分布的角度出发,从改进生成对抗网络的角度开始,递进式地提出了基于双层对抗网络的图像超分辨率算法,基于Wasserstein自编码器的图像超分辨率方法和基于Wasserstein自编码器的分布可迁移的图像超分辨率方法。基于双层生成对抗网络的图像超分辨率方法可以通过约束隐空间的分布实现网络的超分辨率任务,基于Wasserstein自编码器的分布可迁移的图像超分辨率方法利用了真实图像与输出图像的分布差异。基于Wasserstein自编码器的分布可迁移的图像超分辨率方法可以实现不同风格图像上的分布迁移,实验表明,在有限的训练数据上,三个网络均可以实现既定的实验目标,取得较好的图像超分辨率效果。

关键词：单帧图像超分辨率图像分布 Wasserstein自编码器生成对抗网络分布迁移

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

结合多特征的单幅图像超分辨率重建算法

哈尔滨工业大学学报 2016年第11期48卷 28-34页

作者：黄剑华王丹丹金野哈尔滨工业大学计算机科学与技术学院哈尔滨150001

为提高直接捕获的图像质量,针对梯度特征只能提取水平、垂直方向信息及非下采样轮廓波变换(NSCT)提取细节信息不足的缺陷,提出一种结合Gabor变换及NSCT的超分辨率重建算法.该算法充分利用Gabor变换和NSCT的互补性,针对输入图像块的特点... 详细信息

为提高直接捕获的图像质量,针对梯度特征只能提取水平、垂直方向信息及非下采样轮廓波变换(NSCT)提取细节信息不足的缺陷,提出一种结合Gabor变换及NSCT的超分辨率重建算法.该算法充分利用Gabor变换和NSCT的互补性,针对输入图像块的特点,采用Gabor变换来提取纹理特征,NSCT来提取轮廓特征,然后分别利用稀疏模型进行重建,最后合并成一幅高分辨率图像.由于输入图像或多或少存在模糊,在重建过程中,加入了去模糊的正则项,以消除输入模糊的影响.实验结果表明,结合两种特征的超分辨率效果与单一特征相比,能够恢复更多的细节信息,去模糊正则项也有一定的作用.本文方法与Kim提出的核岭回归及Yang提出的稀疏表示算法(SCSR)相比,主观上视觉效果更加清晰,客观上PSNR值平均提高了近2d B,说明了该算法能够有效地提高图像的质量.

关键词：单帧图像超分辨率 Gabor NSCT 稀疏表示模糊