导读:本文包含了超分辨率图像复原论文开题报告文献综述及选题提纲参考文献，主要关键词:图像复原,超分辨率,字典学习,系数求解
超分辨率图像复原论文文献综述
王璐[1]（2017）在《基于冗余字典的超分辨率图像复原研究》一文中研究指出高分辨率的图像不仅满足了科研应用上的需求,而且使使用者感官上有良好的体验。然而获取高分辨率(high resolution,HR)图像却因图像的采集设备上的约束而十分困难。所以怎样复原低分辨率(low resolution,LR)的图像,并且获得期望的高分辨率的图像是一个十分重要的任务,并且有广泛的应用。图像的超分辨率(Super resolution,SR)重建技术的难点是实际观测到的低分辨率图像包含的细节信息不足以还原高分辨率图像,这也是一个数学上的病态的问题。而在超分辨率图像复原算法的广泛实践应用中,应用广泛的是基于稀疏表示的超分辨率图像复原。基于稀疏表示的超分辨率复原:先将高低分辨率训练图像分块,再将块训练成高低分辨率字典,将测试图像映射到低分辨率字典上得到稀疏系数,然后乘以高分辨率字典得到最终复原图像。主要研究内容如下:稀疏表示理论中最重要的两部分分别是稀疏系数求解和字典学习,本文着重探讨了求解稀疏系数和冗余字典学习,分别使用不同稀疏系数求解方法和冗余字典学习进行超分辨率图像复原得到相应高分辨率复原图像。采用K-SVD算法在基于双重冗余全局字典学习的超分辨率图像复原中训练字典。复原过程中训练两重字典分别用来恢复高分辨率主要高频和高分辨率残差高频,将两次复原结果相加得到最终的复原图像。第二重字典训练将图像块最近的匹配相似的块形成结构组,利用结构组训练字典。基于PCA_KLLD冗余局部字典的超分辨率图像复原。采用局部字典学习进行图像复原,将两种局部字典学习和K-SVD全局字典学习利用仿真实验比较。对以往的基于DUAL_KLLD局部多字典的超分辨率图像复原复原出的高分辨率图像存在的的缺陷(产生明显的块效应)进行改进,采用改进的PCA_KLLD冗余局部多字典学习的超分辨率图像复原来复原图像。并将两种基于冗余局部多字典的超分辨率图像复原和K-SVD全局字典的超分辨率图像复原利用仿真实验进行比较,并用实验数据分析得出结论。(本文来源于《哈尔滨理工大学》期刊2017-03-01）
邱文胜[2]（2015）在《基于ARM嵌入式的超分辨率视频图像复原研究》一文中研究指出随着数字媒体技术的发展,大量的视频与图像信息涌入人们的日常生活及国民经济的各个领域,人们对于高分辨率图像的需求也越来越多。超分辨率图像复原技术能在不改动现有成像设备的前提下提高图像的分辨率,获得图像更多的细节和信息,因此成为近年来研究的热门领域之一。超分辨率复原技术的发展主要依赖于两个性质不同,自成体系但又紧密相关的研究领域:超分辨率复原算法及其相应的硬件实现。超分辨率复原算法硬件实现的目的是要提高算法的处理速度,以期到达实时处理的效果,一方面可嵌入现有系统增强产品性能;另一方面可集成于新的系统,提高新产品的技术性能和市场竞争力。本文在对现有超分辨率复原算法研究的基础上,重点研究了基于小波变换的图像超分辨率复原算法,编写了算法的C语言程序,仿真实验证明该算法的复原效果优于传统插值算法的效果。在此基础上,分别在基于ARM内核的Tiny210和Zed Board平台上,实现了超分辨率视频复原的软硬件系统。本文首先以USB摄像头为图像采集输入模块,以ARM处理器为核心算法处理模块,并以LCD显示器为显示输出模块设计并搭建了硬件系统。并在两个平台上移植了嵌入式Linux系统,基于V4L2设计了视频图像采集显示程序。然后将小波变换超分辨率复原算法移植到视频系统中,完成对视频图像的超分辨率复原处理。最后对超分辨率复原算法在Zed Board上和Tiny210平台上的处理性能进行了对比。实验和分析表明两个平台上超分辨率复原算法处理结果相同,均保持了与PC平台上一致的复原效果,优于传统插值算法。在处理速度方面,Zed Board平台的ARM双内核都集成了NEON协处理器,因此Zed Board平台对本文算法的处理速度高于Tiny210平台。(本文来源于《深圳大学》期刊2015-05-12）
刘哲,杨静,陈路[3]（2015）在《基于非局部稀疏编码的超分辨率图像复原》一文中研究指出基于压缩感知的超分辨率图像复原方法通常采用局部稀疏编码策略,对每一图像块独立编码,易产生人工的分块效应。针对上述问题,该文提出一种基于非局部稀疏编码的超分辨率图像复原方法。该算法在字典训练和图像编码过程中分别运用图像的非局部自相似先验知识,即利用低分辨率图像的插值图像训练字典,并通过计算相似块局部编码的加权平均,得到每一图像块的非局部稀疏编码。仿真实验表明,所提算法能够获得更优的复原效果,并且对于含噪图像具有较强的鲁棒性。(本文来源于《电子与信息学报》期刊2015年03期）
绍乐图,陈晨,张红刚,张国华[4]（2015）在《改进的混合MAP-POCS超分辨率图像复原算法研究》一文中研究指出超分辨率图像复原技术在不改变硬件的条件下可提高成像系统获取图像的分辨率。研究了图像退化机理,建立了精确的图像退化过程模型,提出一种改进的混合MAP-POCS复原算法,将POCS的凸集约束条件加入到MAP估计过程中。运用峰值信噪比(PSNR)等评价手段对复原图像进行质量评价。仿真结果表明,改进的混合复原算法能够有效地保证复原求解的收敛性并保持复原图像的边缘细节,提升了超分辨率的复原效果。(本文来源于《电光与控制》期刊2015年02期）
王小玉[5]（2014）在《基于字典学习和稀疏表示的超分辨率图像复原方法研究》一文中研究指出随着多媒体技术和网络技术的飞速发展,在人们的工作、学习和生活中,图像信息越来越重要。但是,图像在获取、存储和传输等过程的各个环节中,会受到技术上的限制、天气因素的影响以及一些其它因素的影响,导致最终获取的图像不可避免地存在各种图像质量下降问题,表现为图像模糊、失真、有噪声等等。而我们需要的是清晰的、高分辨率的图像。因此,对降质的图像进行复原在实际应用和生活中具有非常重要的意义。由于从硬件上改变图像质量受到诸多因素的限制,并且成本越来越高,人们开始考虑从软件上改进图像质量,超分辨率图像复原技术便应运而生了。其中基于学习的超分辨率图像复原方法逐渐成为一种最重要的方法。它的特点在于其对图像的复原准确,有较强的图像特征保持性,对图像噪声的鲁棒性强。在基于学习的框架下,本文以提高图像的主观视觉效果作为最终目标,对基于字典学习和稀疏表示的图像超分辨率复原方法进行了较为深入的研究。本论文的主要内容有:基于图像内容的字典学习和稀疏表示的超分辨率图像复原方法研究。根据训练图像内容间的差异性,引入聚类的概念,利用聚类的算法将一个较为完整且规模较大的训练字典分为不同的类别,并根据待复原图像的内容,有针对性地选择分类,进行图像复原,使算法更具有区分性和针对性,使图像具备良好的自适应性。相对于传统的超分辨率复原算法,该算法无论是在SSIM还是PNSR等客观测试数据以及主观视觉效果上都具有一定的优势。基于内容的双重字典学习和稀疏表示的超分辨率复原方法研究。在将训练图像根据内容分类的基础上,将图像的高频信息划分为主要高频信息和冗余高频信息,对其分别训练字典,形成双重字典,对待复原图像进行双层次的超分辨率图像复原操作,使重构图像能够获得更加丰富的高频信息,使重构效果更好。实验结果表明,该算法捕获了更多的图像细节信息,比其他传统的一些超分辨率图像复原算法的复原效果更佳,充分体现在实验数据和实验的视觉效果图上。基于离散余弦变换的非常低分辨率人脸图像的超分辨率复原方法研究。目前已经存在的大部分算法在非常低分辨率人脸复原中表现得并不是十分令人满意。为了研究这个问题,本文提出一种基于离散余弦变换的改进算法,与普通的离散余弦变换以及基于样条插值等方法进行了比较。实验结果表明改进的离散余弦变换算法可以在非常低分辨率的人脸超分辨率图像复原中获得更好的表现。基于学习和离散余弦变换的双层次的人脸超分辨率复原方法研究。利用离散余弦变换系数代替传统复原算法中对图像空间域中像素点的估算,取训练图像的交流系数形成训练集对人脸图像进行图像复原。在此基础上,将人脸图像中的高频信息划分成主要高频信息和冗余高频信息,并训练字典,结合稀疏表示算法对人脸图像进行第二重的人脸图像复原操作。(本文来源于《哈尔滨理工大学》期刊2014-06-01）
李丽荣[6]（2014）在《基于学习和全变分正则化的超分辨率图像复原问题的研究》一文中研究指出图像的分辨率表征了图像详细信息的丰富程度。提高图像的分辨率是图像处理及计算机视觉领域研究的重要课题。图像超分辨率复原是提高图像分辨率的方法之一。超分辨率图像复原主要依靠软件技术，突破了传统的依靠硬件设备性能得到高分辨率图像的限制，降低了成像成本，目前已经在遥感、医学成像、视频监控、数字媒体等诸多领域表现出巨大的发展潜力。研究超分辨率复原技术是一个非常有意义的研究课题。由于全变分在图像处理中可以很好的保留图像边缘信息，全变分思想一直在图像处理领域有着广泛的应用。而基于学习的超分辨率图像复原方法是目前超分辨率图像复原研究的一个重要方向。本文针对单幅图像的超分辨率复原问题，主要研究了基于学习的超分辨率复原方法以及全变分在图像处理中的应用。论文的主要内容及结论如下：1.本文在基于学习的超分辨率图像复原方法的基础上，将全变分最小化(TV)正则项引入到基于学习的图像复原模型中，提出一种基于全变分正则化的学习方法的模型。2.针对提出的超分辨率图像复原模型，提出了相应的算法。通过引入新的变量，将本文的模型转化为两个易于求解的优化问题，然后采用交替迭代法对模型进行求解。同时本文考虑了图像的特征信息，利用图像的非局部相似性和迭代反向投影算法对复原图像进行处理。3.通过对不同图像的仿真实验表明，论文提出基于全变分正则化和学习的超分辨率复原模型以及求解模型的算法是有效的，复原图像在视觉效果和峰值信噪比上优于传统的插值算法和基于稀疏表示的方法。(本文来源于《天津大学》期刊2014-05-01）
谢甜[7]（2013）在《使用改进的POCS算法的超分辨率图像复原》一文中研究指出超分辨率复原技术的基本思想就是采用信号处理的方法,在改善图像质量的同时,重建成像系统截至频率外的信息。POCS(凸集投影)算法是一种广泛应用于图像超分辨率复原的方法。针对传统的POCS算法的边缘振荡效应,在分析其产生的原因,造成的影响的基础上,采用改进的POCS算法,以减少边缘振荡。采用基于小波变换模极大值的改进POCS算法进行图像超分辨率复原。实验结果表明,该方法有效的较少了复原图像的边缘振荡效应,是一种有效的图像超分辨率复原方法。(本文来源于《电子设计工程》期刊2013年18期）
詹晓媚[8]（2013）在《超分辨率文档图像复原方法研究》一文中研究指出随着科技的飞速发展,人们越来越青睐于无纸化办公,而纸质文档电子化作为其中的一个大成员,也因此变得越来越重要,越来越多的人喜欢将纸质书籍扫描转化为电子数据进行阅读及备份。然而,在纸质文档的电子化过程中,经常会碰到由于硬件限制或纸质低质造成文档图像质量下降,例如笔画的缺失、断裂、粘连等问题,从而影响阅读和降低OCR识别率。为了提高阅读质量及OCR识别率,研究基于学习的超分辨率文档图像复原算法对低质文档图像进行复原。实验表明,该方法比一般的复原算法不仅具有较好的复原效果,而且有更高的OCR识别率。本文首先研究了超分辨率技术及文档图像特征,在此基础上重点研究了将超分辨率技术应用于文档图像复原；进而研究了超分辨率复原模型,讨论了图像的特征值表示及图像块大小的选取等关键问题。通过上述理论的研究,最后将先验模型结合到贝叶斯最大后验概率框架中,对低质文档图像进行复原,达到了较好的复原效果及获得了较高的OCR识别率。(本文来源于《华东师范大学》期刊2013-04-01）
王年[9]（2013）在《超分辨率图像复原及DSP实现》一文中研究指出高分辨率的图像因像素密度较高而能为数字图像处理提供较多重要的细节信息，为图像后期的处理作准备。然而，在现实生活中，由于成像设备、光照等诸多条件限制，获取的图像分辨率往往都较低。因此，如何有效地提高获得图像的质量成为图像处理一项十分关键而重要的任务。在图像采集系统中，光学传感器的分辨率不能完全满足一些特殊场景的需求，而且成像过程受加性噪声及透镜点扩散函数(PSF,PointSpreadFunction)的影响，因此，图像成像只能获得降质的低分辨率图像，此时，超分辨率图像复原在嵌入式机器视觉系统中起到举足轻重的作用。本文针对超分辨率图像复原技术中的插值技术及超分辨率图像复原技术在硬件中实现进行了较为深入的研究，同时提出了具有创新性的插值算法。鉴于图像超分辨率复原技术所存在的诸多问题，本文进行了详细的研究和实验分析，主要完成了以下几个方面的工作：1.详细地介绍了图像超分辨率复原技术的国内外研究现状，描述了复原算法包含的灰度变换、二值化、插值放大、滤波去噪、小波变换等基本环节，并对图像超分辨率复原与图像恢复、图像增强和图像融合之间的区别进行了讨论。2.重点分析了传统的线性插值方法，包括理想插值、最近邻插值、双线性插值、四点双叁次插值，分析了以上插值算法上的不足以及基于统计理论的图像超分辨率算法不便于硬件实现这些特点，提出了一种算法复杂度低于双叁次插值算法，而处理效果优于双叁次插值算法的基于图像边缘的插值算法，从而有效地改善了图像边缘的效果。3.描述了图像处理技术中几种常见的去噪方法，并进行了差异比较，提出一种基于中值滤波和小波软阈值相结合的去噪方法，试图为后面的直径测量和计算提供更为清晰的源图像以保证测量的精确度。4.在硬件上对图像超分辨率算法进行实现，对图像进行了实验仿真，并对单晶硅的非接触测量进行了简单的介绍，此外对算法进行优化，证明了该算法的有效性具有一定的实用性。5.对本文工作进行了总结，并为复原技术的后续工作提出了建设性的方案。(本文来源于《上海师范大学》期刊2013-02-01）
马晓昱[10]（2012）在《一种基于支持向量回归的超分辨率图像复原算法》一文中研究指出本文主要介绍了一种基于支持向量理论的超分辨率图像复原算法,提供了该算法在空域中的实现方法,并进行了仿真实验,达到了较好的实验效果。(本文来源于《计算机光盘软件与应用》期刊2012年15期）
超分辨率图像复原论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着数字媒体技术的发展,大量的视频与图像信息涌入人们的日常生活及国民经济的各个领域,人们对于高分辨率图像的需求也越来越多。超分辨率图像复原技术能在不改动现有成像设备的前提下提高图像的分辨率,获得图像更多的细节和信息,因此成为近年来研究的热门领域之一。超分辨率复原技术的发展主要依赖于两个性质不同,自成体系但又紧密相关的研究领域:超分辨率复原算法及其相应的硬件实现。超分辨率复原算法硬件实现的目的是要提高算法的处理速度,以期到达实时处理的效果,一方面可嵌入现有系统增强产品性能;另一方面可集成于新的系统,提高新产品的技术性能和市场竞争力。本文在对现有超分辨率复原算法研究的基础上,重点研究了基于小波变换的图像超分辨率复原算法,编写了算法的C语言程序,仿真实验证明该算法的复原效果优于传统插值算法的效果。在此基础上,分别在基于ARM内核的Tiny210和Zed Board平台上,实现了超分辨率视频复原的软硬件系统。本文首先以USB摄像头为图像采集输入模块,以ARM处理器为核心算法处理模块,并以LCD显示器为显示输出模块设计并搭建了硬件系统。并在两个平台上移植了嵌入式Linux系统,基于V4L2设计了视频图像采集显示程序。然后将小波变换超分辨率复原算法移植到视频系统中,完成对视频图像的超分辨率复原处理。最后对超分辨率复原算法在Zed Board上和Tiny210平台上的处理性能进行了对比。实验和分析表明两个平台上超分辨率复原算法处理结果相同,均保持了与PC平台上一致的复原效果,优于传统插值算法。在处理速度方面,Zed Board平台的ARM双内核都集成了NEON协处理器,因此Zed Board平台对本文算法的处理速度高于Tiny210平台。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
超分辨率图像复原论文参考文献
[1].王璐.基于冗余字典的超分辨率图像复原研究[D].哈尔滨理工大学.2017
[2].邱文胜.基于ARM嵌入式的超分辨率视频图像复原研究[D].深圳大学.2015
[3].刘哲,杨静,陈路.基于非局部稀疏编码的超分辨率图像复原[J].电子与信息学报.2015
[4].绍乐图,陈晨,张红刚,张国华.改进的混合MAP-POCS超分辨率图像复原算法研究[J].电光与控制.2015
[5].王小玉.基于字典学习和稀疏表示的超分辨率图像复原方法研究[D].哈尔滨理工大学.2014
[6].李丽荣.基于学习和全变分正则化的超分辨率图像复原问题的研究[D].天津大学.2014
[7].谢甜.使用改进的POCS算法的超分辨率图像复原[J].电子设计工程.2013
[8].詹晓媚.超分辨率文档图像复原方法研究[D].华东师范大学.2013
[9].王年.超分辨率图像复原及DSP实现[D].上海师范大学.2013
[10].马晓昱.一种基于支持向量回归的超分辨率图像复原算法[J].计算机光盘软件与应用.2012