图像及视频序列的超分辨率重建

图像及视频序列的超分辨率重建

论文摘要

图像及视频序列的超分辨率重建,是近年来图像处理领域的一个研究热点,不仅在理论上具有重要意义,在实用中也有迫切需求。本论文的主要工作围绕图像及视频序列的超分辨率重建展开,具体内容包括:(1)不完全数据重建的病态性及其正则化处理。首先给出了不完全数据超分辨率重建的数学描述,分析了最小二乘估计及其病态性;其次针对不完全数据重建的病态性,分别采用两种不同观点对正则化处理进行了深刻阐述:一是从分析的观点出发,通过对原问题能量泛函的修改,添加正则项,提出了基于变分原理和偏微分方程演化的不完全数据超分辨率重建框架;二是从概率统计的观点出发,利用贝叶斯框架和马尔可夫随机场理论,通过添加先验概率对原问题进行正则化;然后深入讨论了两种正则化观点的相似性和等价性,并详细研究了边缘自适应处理和各向异性演化问题;最后针对正则化参数的选取,提出了一种自适应动态确定正则化参数的方法。(2)单帧图像的超分辨率重建。主要分为三部分:第一部分讨论基于Hopfield神经网络框架的超分辨率重建算法,针对Paik-Hopfield网络的缺点,提出了基于状态连续变化的Paik-Hopfield网络和基于多精度层离散状态的Paik-Hopfield网络两种改进方法;第二部分研究了变分原理和偏微分方程演化在图像超分辨率重建中的应用,主要包括基于变分和基于各向异性演化的超分辨率重建;第三部分详细分析了图像的小波统计特性,联合空间域和小波域提出了基于小波域隐马尔可夫模型的超分辨率重建算法。Lp(1≤p≤2)(3)多帧图像或单视频序列的超分辨率重建。主要围绕运动估计和重建算法这两个超分辨率重建的关键问题进行展开:在运动估计部分,首先针对帧间模型为单映变换的视频序列提出了基于带指导的RANSAC特征匹配方法,其次针对普通视频序列提出了一种自适应的光流估计方法;在重建算法部分,首先讨论了基于批处理的静态重建,然后在深入研究帧间运动补偿矩阵和权值矩阵的基础上,发展出一种基于自适应滤波的视频序列超分辨率动态重建算法。(4)多视频序列的超分辨率重建。主要包括两部分:第一部分为视频序列的时间空间配准,提出了一种基于时空梯度和遗传演化策略相结合的混合等级估计方法;第二部分为视频序列的超分辨率重建,首先提出了一种时空流形模型,可以包括单帧灰度图像、单帧彩色图像、灰度视频和彩色视频,然后将此模型应用到多视频序列的超分辨率重建正则化处理中,得到了一种新型多视频序列的超分辨率重建算法。I

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 引言
  • 1.2 降质模型
  • 1.2.1 图像序列的退化模型
  • 1.2.2 多视频序列的退化模型
  • 1.3 图像及视频序列超分辨率重建的分类
  • 1.3.1 从研究对象的角度
  • 1.3.2 从研究方法的角度
  • 1.4 国内外研究现状
  • 1.5 技术应用前景
  • 1.6 论文的主要工作与结构组织
  • 第二章 不完全数据的超分辨率重建及其正则化
  • 2.1 问题描述
  • 2.2 最小二乘估计及其病态性
  • 2.3 病态反问题的正则化处理:分析的观点
  • 2.4 病态反问题的正则化处理:统计的观点
  • 2.4.1 Markov 随机场理论和Gibbs 随机场
  • 2.4.2 MAP-MRF 信号重建
  • 2.5 两种观点的等价性
  • 2.6 边缘自适应处理与各向异性演化
  • 2.7 正则化参数的确定
  • 2.7.1 正则化函数α(X ) 的特征
  • 2.7.2 迭代格式
  • 2.7.3 收敛性分析
  • 2.7.4 参数τ的选择
  • 2.8 实验研究
  • 2.9 小结
  • 第三章 单帧图像的超分辨率重建
  • 3.1 引言
  • 3.2 基于Hopfield网络的超分辨率重建
  • 3.2.1 基本原理
  • 3.2.2 Paik-Hopfield 网络
  • 3.2.3 连续状态模型
  • 3.2.4 多精度层离散状态模型
  • 3.2.5 实验研究
  • p 范数变分和各向异性演化的超分辨率重建'>3.3 基于Lp范数变分和各向异性演化的超分辨率重建
  • p 范数变分的超分辨率重建'>3.3.1 基于Lp范数变分的超分辨率重建
  • 3.3.2 基于各向异性演化的超分辨率重建
  • 3.3.3 数值计算
  • 3.3.4 实验研究
  • 3.4 基于小波变换和隐马尔可夫模型的超分辨率重建
  • 3.4.1 离散小波变换
  • 3.4.2 小波域隐马尔可夫模型
  • 3.4.3 图像超分辨率重建
  • 3.4.4 实验研究
  • 3.5 小结
  • 第四章 多帧图像或单视频序列的超分辨率重建
  • 4.1 引言
  • 4.2 基于特征匹配的运动估计
  • 4.2.1 帧间模型
  • 4.2.2 基于RANSAC 特征匹配的帧间单映矩阵估计
  • 4.2.3 算法改进
  • 4.2.4 实验结果
  • 4.3 基于时空梯度的运动估计
  • 4.3.1 光流约束
  • 4.3.2 孔径问题及其解决方法
  • 4.3.3 算法实现及时空导数计算
  • 4.3.4 实验结果
  • 4.4 超分辨率重建的静态批处理算法
  • 4.5 超分辨率重建的动态自适应滤波算法
  • 4.5.1 临时高分辨率图像
  • k ,t和权值矩阵Wk ,t'>4.5.2 运动补偿矩阵Fk ,t和权值矩阵Wk ,t
  • 4.5.3 实时自适应滤波
  • 4.5.4 算法复杂度分析
  • 4.5.5 已知序列仿真
  • 4.5.6 未知序列实验
  • 4.6 小结
  • 第五章 多视频序列的超分辨率重建
  • 5.1 引言
  • 5.2 视频序列的时间空间配准
  • 5.2.1 基于时空梯度模型的等级估计
  • 5.2.2 遗传算法
  • 5.2.3 基于遗传演化和时空梯度的混合等级估计算法
  • 5.3 多视频序列超分辨率重建算法
  • 5.3.1 视频序列的时空流形模型
  • 5.3.2 基于时空流形模型的多视频序列超分辨率重建
  • 5.4 实验研究
  • 5.4.1 仿真实验
  • 5.4.2 实拍序列
  • 5.5 小结
  • 第六章 多层网格算法及其加速技术在超分辨率重建中的应用
  • 6.1 引言
  • 6.2 循环卷积和循环矩阵
  • 6.3 多层网格算法
  • 6.3.1 多层网格的基本概念
  • 6.3.2 基本型多层网格算法
  • 6.3.3 Full 型多层网格算法
  • 6.3.4 算子讨论
  • 6.4 多层网格-共扼梯度算法
  • 6.4.1 共扼梯度算法
  • 6.4.2 MG-CG 算法
  • 6.5 多层网格-广义极小残余算法
  • 6.5.1 GMRES 算法
  • 6.5.2 MG-GMRES 算法
  • 6.6 实验研究
  • 6.7 小结
  • 第七章 总结与展望
  • 7.1 工作与总结
  • 7.2 深入与展望
  • 参考文献
  • 攻读博士学位期间的研究成果
  • 致谢
  • 相关论文文献

    • [1].基于生成对抗网络的人脸超分辨率技术[J]. 传感器与微系统 2020(02)
    • [2].采用双网络结构的压缩视频超分辨率重建[J]. 电讯技术 2020(01)
    • [3].下采样迭代和超分辨率重建的图像风格迁移[J]. 湖北工业大学学报 2020(01)
    • [4].超分辨率重建技术在海域使用疑点疑区监管中的应用[J]. 海洋信息 2020(02)
    • [5].分量载频差极小时频信号的超分辨率分析方法[J]. 系统工程与电子技术 2020(09)
    • [6].基于帧循环网络的视频超分辨率技术[J]. 电子技术应用 2020(09)
    • [7].结合注意力机制的人脸超分辨率重建[J]. 西安电子科技大学学报 2019(03)
    • [8].基于深度卷积网络的压缩人脸超分辨率研究[J]. 信息与电脑(理论版) 2019(18)
    • [9].基于深度超分辨率重建的监控图像人脸识别[J]. 电子测量技术 2018(16)
    • [10].基于扩散的自适应超分辨率重建[J]. 现代电子技术 2017(10)
    • [11].基于在线字典学习的人脸超分辨率重建[J]. 现代电子技术 2017(13)
    • [12].基于仿生学多源图像超分辨率重建的并行优化研究[J]. 电脑编程技巧与维护 2017(13)
    • [13].基于非局部相似字典学习的人脸超分辨率与识别[J]. 武汉大学学报(信息科学版) 2016(10)
    • [14].图像超分辨率重新建立技术综述[J]. 科技创业月刊 2016(17)
    • [15].视频超分辨率重建及其刑侦应用[J]. 中国有线电视 2015(08)
    • [16].多视点视频的超分辨率重建技术设计[J]. 数码世界 2017(01)
    • [17].顾及运动估计误差的“凝视”卫星视频运动场景超分辨率重建[J]. 测绘学报 2020(02)
    • [18].基于压缩感知的航空影像超分辨率重建[J]. 测绘与空间地理信息 2019(07)
    • [19].联合深度置信网络与邻域回归的超分辨率算法[J]. 南京大学学报(自然科学) 2019(04)
    • [20].基于宽带立体超透镜的远场超分辨率成像[J]. 物理学报 2018(09)
    • [21].人脸超分辨率重建中投影空间的选择方法[J]. 西安交通大学学报 2018(08)
    • [22].超分辨率重建技术研究进展[J]. 信息技术 2017(05)
    • [23].基于自适应初始点聚类和回归的超分辨率重建研究[J]. 信息通信 2017(07)
    • [24].像元交换在村镇地表超分辨率制图中的应用[J]. 测绘通报 2016(08)
    • [25].无人机侦察视频超分辨率重建方法[J]. 中国图象图形学报 2016(07)
    • [26].采用超分辨率重建提升压缩图像质量的方法[J]. 电视技术 2015(09)
    • [27].基于稀疏表达的遥感影像超分辨率重建[J]. 电脑开发与应用 2014(07)
    • [28].利用位置权重稀疏表示的人脸超分辨率算法[J]. 武汉大学学报(信息科学版) 2013(01)
    • [29].采用非局部均值的超分辨率重构[J]. 光学精密工程 2013(06)
    • [30].基于正则化的超分辨率重建研究[J]. 中国科技信息 2013(13)

    标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

    图像及视频序列的超分辨率重建
    下载Doc文档

    猜你喜欢