导读:本文包含了盲超分辨率论文开题报告文献综述及选题提纲参考文献，主要关键词:图像超分辨率,最大后验概率估计,正则化,去噪算子
盲超分辨率论文文献综述
王枫[1]（2017）在《基于MAP的单幅图像非盲超分辨率重建算法研究》一文中研究指出随着大数据时代的到来,人们对高清图像的需求也越来越高。图像超分辨率研究的内容是如何通过单张或多张低分辨率模糊图像并结合相关的图像先验信息来重建符合人类视觉感受的高分辨率图像。过去几年随着机器学习理论的发展,图像超分辨率研究取得了很大的突破。但基于机器学习的图像重建方法均是基于固定的图像降质模型来学习某种映射关系,这样的映射关系模型一般仅适用于特定的场景。当研究中所采用的图像退化模型假设的模糊或噪声条件发生变化时,基于机器学习的图像超分辨率算法通常表现的很不稳定。本文的主要工作是结合分析基于机器学习的单帧图像超分辨率方法中的优势,采用基于重建的方法研究单帧图像超分辨率问题,其核心思想和创新点可分为如下两点:1.在重新审视图像重建过程中所使用的图像退化模型发现,高清图像重建的本质可理解为去除无关像素值、增强边缘对比度的过程。去除无关像素值的过程可理解为图像的去噪处理,而保边或增强边缘的过程则可通过正则化理论来处理,基于此本文提出了基于去噪算子的图像超分辨率算法FGSR。实验结果表明,FGSR算法在非含噪的条件下可取得比SRCNN等主流超分辨率算法更高的PSNR值。同时在低分辨率图像含有较大噪声方差时,FGSR算法重建图像的PSNR值和视觉比较结果也更优。2.通过重新观察现有的基于机器学习的方法发现,基于学习的图像超分辨率方法在模糊核变化时通常会表现的很不稳定。针对这一问题,本文提出了快速非盲图像超分辨率重建算法FNSR,其在已估计出模糊核的前提下可快速重建得到去除模糊后的高分辨图像。实验结果表明,FNSR算法不仅可取得与SRCNN等目前主流SISR方法更好的PSNR值和视觉效果,而且其重建速度可达到实时的要求,更符合实际需求。本文从实际图像退化模型出发,提出了基于去噪算子的FGSR算法和可实现快速非盲图像重建的FNSR算法。两类方法均取得了与目前主流单帧图像超分辨率重建相匹配的结果,同时算法的运行效率均满足实时性的要求,更具工程实践意义。(本文来源于《南京邮电大学》期刊2017-10-26）
郑伟勇,李艳玮,周兵[2]（2017）在《基于L0范数稀疏表达的图像盲超分辨率重建》一文中研究指出由于大部分超分辨率图像重建方法都是建立在图像的点扩散函数为已知或假设点扩散函数为高斯模糊核的条件下,但真实的低分辨率图像中的点扩散函数并不是高斯函数,而是由随机的相机抖动造成的。为了提高重建的超分辨率图像质量并使其更接近真实场景,提出了一种基于L0范数稀疏表达的图像盲超分辨率重建方法。首先利用了基于L0范数的梯度最小化方法估计出超分辨率图像中的点扩散函数,再通过点扩散函数的估计在超分辨率重建的过程中有效地去除图片的模糊效应,最后利用反向传播算法,使重建的超分辨率图像更接近真实。通过实验结果表明,提出的方法相对于双叁次插值法和基于多字典学习的图像超分辨率重建算法可以得到更清晰的重建效果,峰值信噪比和平均结构相似度均有提高,最后在真实图片重建测试效果中也得到了更好的验证。(本文来源于《电光与控制》期刊2017年12期）
张晓林,何小海,李滔,梁子飞[3]（2013）在《基于刃边法的序列图像盲超分辨率重建算法》一文中研究指出为了减少点扩展函数(PSF)估计误差对盲超分辨率重建结果的影响,提出了1种新的序列图像盲超分辨率重建算法。首先采用刃边法实现对成像系统点扩展函数的准确估计,然后将估计的点扩展函数引入迭代反投影超分辨率重建算法中,进行高分辨率图像的重建。实验结果表明,本文算法运算时间较短,不受限于低分辨率图像的模糊程度,重建结果不但具有较高的峰值信噪比(PSNR)和结构相似度(SSIM),而且真实分辨率的提升幅度更大。(本文来源于《四川大学学报(工程科学版)》期刊2013年S1期）
张雪松,江静,彭思龙[4]（2012）在《仿射运动模型下的图像盲超分辨率重建算法》一文中研究指出研究利用帧间存在仿射运动的低分辨率图像序列重建出更高光学分辨率图像的盲超分辨率(BSR)问题.首先给出一种基于特征向量的模糊核零空间矩阵构造方法.将模糊的零子空间约束作为一项规整化泛函,提出一种非参数化模糊辨识、运动估计和图像重建叁重耦合问题的联合迭代算法.该算法采用一个二层优化策略:先将叁重耦合的BSR问题分解为关于模糊的二次型和关于运动参数与图像的非线性最小二乘(NLS)问题,再采用Gauss-Newton方法求解该NLS问题.仿真实验结果表明,文中提出的仿射变换下的BSR算法能对图像空间移变退化过程进行更为精确的建模,比纯平移BSR算法有更强的局部纹理恢复能力.最后通过真实车牌图像序列展示该算法的适用性.(本文来源于《模式识别与人工智能》期刊2012年04期）
刘刚,赵红毅,胡臻龙[5]（2012）在《基于带有权值混合泛函的盲超分辨率》一文中研究指出为了克服传统的超分辨率算法的限制(如不能处理带有局部运动图像,因此不适合一般的视频序列;模糊算子被认为是提前知道并且对于每一低分辨率帧都是不变的;超分辨率噪声不是采用高斯分布就是采用拉普拉斯分布的),同时考虑到噪声模型,提出了一个广义的局部权值自适应地混合L1和L2泛函的代价函数。权值会根据配准误差和噪声分布自适应地改变并且惩罚图像中配准错误的部分。本文算法对奇异值具有很强的鲁棒性,同时超分辨率图像和模糊算子可以联合估计出来。主观评价和客观评价同时表明了本文算法的有效性。(本文来源于《吉林大学学报(工学版)》期刊2012年04期）
张洪艳,沈焕锋,张良培,李平湘,袁强强[6]（2011）在《基于最大后验估计的影像盲超分辨率重建方法》一文中研究指出为了减小配准误差对盲超分辨率重建的影响,提出了一种影像配准和盲超分辨率重建联合处理的模型与方法。将配准参数、模糊函数和高分辨率影像建立在统一的最大后验估计模型框架内,并利用循环坐标下降最优化策略对模型进行求解,从而实现了配准参数、模糊函数和高分辨率影像的联合求解。实验结果证明:与传统盲超分辨率重建算法相比,该算法能够有效减少重建影像中的伪痕,在视觉评估上和定量评价上均能得到更好的结果。(本文来源于《计算机应用》期刊2011年05期）
韩飞[7]（2011）在《图像和视频的盲超分辨率算法研究》一文中研究指出一直以来,人们设法提高数字成像系统获取图像的分辨率。更高的分辨率可以提供更多的图像细节。这些细节一方面可以提高人们对于图像的主观视觉感受,便于人们从中获取更多的信息;另一方面可以改善图像质量,进而提高后续图像分割,模式识别等算法模块的准确性和可靠性。获取高分辨率图像的最直接办法是采用高分辨率的图像传感器,但是这将不可避免地提高系统的成本和复杂度,难以实现大规模部署。所以,图像超分辨率这种基于现有的硬件设备,通过软件算法提高图像分辨率的技术具有十分重要的应用价值。图像超分辨率是典型的反问题,清晰准确地建立正向过程的数学模型(即图像退化模型)是对其正确求解的基础和前提。在现有的超分辨率算法中,通常假设图像的退化模型是已知的。然而,这种假设在实际应用中往往是不成立的。本文中设计的实验进一步证明不准确的图像退化模型会严重地影响现有图像超分辨率算法的性能。因此,本文重点研究了退化模型未知情况下的超分辨率,即盲超分辨率问题。对于单帧图像盲超分辨率问题,本文提出一种新的迭代算法,循环地估计图像退化模型和超分辨率图像,算法采用基于最大后验概率(MAP)的框架对超分辨率重建图像进行估计;采用基于样本的机器学习(非线性主分量分析)方法对估计的图像退化模型进行正则化约束。文中分别使用计算机仿真图像和真实获取的图像对该算法的性能进行了验证,实验结果表明本文提出的算法所获得的结果在图像主观和客观质量评价方面均具有一定的优势。视频信号作为图像信号在时间上的延展,一方面具有与图像信号类似的成像过程,数学模型和统计规律;另一方面又具有很强的时间相关性。本文以单帧图像盲超分辨率算法为基础,结合视频信号的特点,提出了一种动态的视频盲超分辨率算法结构。算法借鉴成熟的图像压缩算法框架,充分利用视频的时间相关性,将视频分为静态帧和动态帧。静态帧直接采用单帧图像盲超分辨率算法进行重建;动态帧采用图像融合技术,将两幅分别经过空域插值和时域运动补偿而获得的候选图像融合成更高质量的超分辨率重建图像。实验证明,该算法可以在获得较好的视频重建效果的同时有效地控制算法的运算复杂度,具有一定的实时化应用潜力。(本文来源于《上海交通大学》期刊2011-05-01）
谢伟,陈皓,秦前清[8]（2011）在《基于多帧视频序列的盲超分辨率影像重建》一文中研究指出提出了一种基于多帧序列的盲超分辨率算法和实现框架以解决影像分辨率较低问题。该算法首先对获得的视频序列低分辨率影像进行预处理,然后估计各帧间的相对运动,最后在不知道监控系统的降质模型及相关参数的情况下,逐步投影迭代来重建高分辨率影像。运用该算法对实际监控影像进行了重建实验,通过主观感受和多种客观评价指标多角度对算法进行了评估。结果表明,重建影像空间分辨率得到明显提高,边缘高频信息得到恢复,证明该算法稳健有效。(本文来源于《数据采集与处理》期刊2011年01期）
吴伟巍,曾庆山,刚轶金[9]（2009）在《基于遗传算法的盲超分辨率图像的重建》一文中研究指出针对盲超分辨率图像复原问题,提出了一种基于遗传算法的盲超分辨率图像重建方法。这种方法建立了一个由高分辨率图像和模糊项相关联的正则化函数,并利用遗传算法的全局寻优能力使得这个正则化函数最小化,从而由一组退化的低分辨率图像求得高分辨率图像,同时评估出导致模糊原因。仿真结果表明算法的可行性。(本文来源于《计算机工程与应用》期刊2009年35期）
吴伟巍[10]（2009）在《基于GA正则化盲超分辨率图像重建的研究》一文中研究指出在图像获取的过程中,由于场景的运动或相机的抖动都会使原始图像发生扭曲变形。另外,大气的扰动、光学镜头以及数字图像传感器的固有限制都使得很难得到理想的高分辨率清晰图像。如何在不改变现有硬件的基础上,通过低分辨率图像重新获得高分辨率图像的成为超分辨率技术研究的核心内容。超分辨率技术已经发展近半个世纪,早期的研究主要是基于单帧的超分辨率技术,由于可以借鉴的有用信息太少而受到限制。到了上世纪八十年代基于多帧超分辨率技术迅速发展起来,其主要包括两种方法:频域法和空域法。随着超分辨率经典模型的建立,空域法越来越受到人们的关注。一般讲来空域法中超分辨率图像重建技术包含了叁个要素:图像配准、插值和去模糊(图像复原)。图像的配准是进行超分辨率图像重建的前提,其配准的精确性直接关系到重建图像的质量;图像的插值与复原一般看成一个部分,指的是在更高的分辨率栅格上复原图像。这样问题解的病态性和不定性增加。针对这一问题,本文引入正则化方法来约束解的不适定问题,同时引入对全局最优解有着很好搜寻能力的遗传算法实现正则化框架。然而在超分辨率重建算法中往往把成像系统中的点扩展函数PSF(产生模糊的原因)看作已知量来对低分辨率图像进行重建的,那么如何在没有任何先验信息,模糊未知的情况下完成盲超分辨率的重建,就是困扰我们新的难题。针对这一问题本文提出了一种基于遗传算法正则化盲超分辨率重建方法。本方法把模糊评估项引入正则化能量函数,由此所形成的函数就是涉及到高分辨率图像和未知模糊。为了提高图像超分辨率重建的效率和复原图像的质量,通过引入遗传算法对高分辨率图像和未知模糊同时评估。这样就完成了在没有任何先验信息时盲超分辨率的重建。此外,把有理数采样因子引入到传统的整数采样因子范围中,详细介绍了更符合实际的有理数采样因子重建图像的过程,同时指出在超分辨率图像重建过程中,SR因子、低分辨率图像之间存在的关系。最后给出了仿真结果以及详细的仿真分析。与其它超分辨率重建技术进行了比较表明,此方法是一种新颖实用的方法。(本文来源于《郑州大学》期刊2009-05-20）
盲超分辨率论文开题报告
（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：
由于大部分超分辨率图像重建方法都是建立在图像的点扩散函数为已知或假设点扩散函数为高斯模糊核的条件下,但真实的低分辨率图像中的点扩散函数并不是高斯函数,而是由随机的相机抖动造成的。为了提高重建的超分辨率图像质量并使其更接近真实场景,提出了一种基于L0范数稀疏表达的图像盲超分辨率重建方法。首先利用了基于L0范数的梯度最小化方法估计出超分辨率图像中的点扩散函数,再通过点扩散函数的估计在超分辨率重建的过程中有效地去除图片的模糊效应,最后利用反向传播算法,使重建的超分辨率图像更接近真实。通过实验结果表明,提出的方法相对于双叁次插值法和基于多字典学习的图像超分辨率重建算法可以得到更清晰的重建效果,峰值信噪比和平均结构相似度均有提高,最后在真实图片重建测试效果中也得到了更好的验证。
（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。
盲超分辨率论文参考文献
[1].王枫.基于MAP的单幅图像非盲超分辨率重建算法研究[D].南京邮电大学.2017
[2].郑伟勇,李艳玮,周兵.基于L0范数稀疏表达的图像盲超分辨率重建[J].电光与控制.2017
[3].张晓林,何小海,李滔,梁子飞.基于刃边法的序列图像盲超分辨率重建算法[J].四川大学学报(工程科学版).2013
[4].张雪松,江静,彭思龙.仿射运动模型下的图像盲超分辨率重建算法[J].模式识别与人工智能.2012
[5].刘刚,赵红毅,胡臻龙.基于带有权值混合泛函的盲超分辨率[J].吉林大学学报(工学版).2012
[6].张洪艳,沈焕锋,张良培,李平湘,袁强强.基于最大后验估计的影像盲超分辨率重建方法[J].计算机应用.2011
[7].韩飞.图像和视频的盲超分辨率算法研究[D].上海交通大学.2011
[8].谢伟,陈皓,秦前清.基于多帧视频序列的盲超分辨率影像重建[J].数据采集与处理.2011
[9].吴伟巍,曾庆山,刚轶金.基于遗传算法的盲超分辨率图像的重建[J].计算机工程与应用.2009
[10].吴伟巍.基于GA正则化盲超分辨率图像重建的研究[D].郑州大学.2009