导读:本文包含了多帧超分辨率重建论文开题报告文献综述及选题提纲参考文献，主要关键词:超分辨率重建,导控核,聚类,字典学习
多帧超分辨率重建论文文献综述
孙玉莹,郭琳,李晨,王雨竹[1]（2019）在《基于结构聚类和字典学习的多帧图像超分辨率重建》一文中研究指出提出了一种基于结构聚类和字典学习的超分辨率重建方法,用于多帧或视频图像的高分辨率重建;该方法采用导控核提取图像的局部结构特征,对图像分块进行结构聚类,并通过构建自适应的字典,最终实现稀疏约束重建。给出了实际视频图像的超分辨率重建结果,实验结果验证了本文方法的有效性,且具有较好的重建质量。(本文来源于《信息通信》期刊2019年05期）
骆镇钊[2]（2019）在《基于多帧学习的超分辨率重建算法研究》一文中研究指出随着信息技术的迅速发展,超分辨率重建技术(Super-Resolution Reconstruction,SRR)已经成为图像处理领域中的一个重要研究方向,其在医疗、军事、交通等领域都有广泛的应用前景。受限于工艺水平及制造成本,通过从硬件方面提升光学成像设备的像素密度来提升图像分辨率已然成为瓶颈。反之,从软件层面来对图像进行分辨率增强则具有较高的可行性。本文借鉴传统多帧图像重建的算法框架,对基于单帧学习的图像重建网络进行重新设计,提出一种基于多帧先验补偿的超分辨率重建框架。一方面,本文针对单帧重建无法利用连续帧的帧间像素位移信息的不足,在基线重建中融入配准帧的额外先验作为重建指导,重建出了更真实的纹理。另一方面,虽然实验得到较优指标,但实验测试图像在重建时出现了一定程度的伪边缘问题。针对该点,本文对网络的损失函数进行分析,结合空间特征更新了损失函数,同时引入一种基于亚像素配准的模块,以降低原有配准的复杂度。通过与单一的单帧图像重建方法相比,本文算法在保持自然纹理细节的同时可以在一定程度上缩减重建时间,有效提升了图像重建质量。其在具有多帧的重建场景中,能够充分利用已有先验,重建出质量更优的高分辨率图像。(本文来源于《武汉科技大学》期刊2019-05-08）
伍惠子[3]（2019）在《基于卷积神经网络的多帧图像超分辨率重建》一文中研究指出随着当代社会信息时代的到来,人们生活中随处可见的并且很重要的一项就是图像,不管是在军事用处上还是在日常生活里,图像都随处可在,所以,图像作为人们获取信息的媒介,已经变得越来越重要。然而,由于图像采集设备、存储、传输等条件限制及成本控制因素,人们获取到的图像往往是低分辨率的,会让人产生不太愉悦的视觉效果。若是在医疗影像上,有时候可能还会影响医生对影像资料细节的判断,从而影响对病人病情的诊断。图像的分辨率越高,包含的像素就越多,视觉效果就越好,所以,图像的超分辨率重建技术显得尤其重要。而视频在现代生活中也随处可见,占据了图像很重要的一部分,如在视频监控等领域,所以,视频超分辨率技术也正在发展。本文主要描述了一种改进的基于RDB的多帧图像超分辨率重建算法。本文网络使用连续的叁帧图像的YCbCr中的Y通道作为输入图像,使用了残差稠密块来提取图像的特征,残差稠密块不仅可以提取到图像的局部特征和全局特征,也可以减轻梯度消失的问题。由于在许多多帧图像超分辨率重建算法中,都是直接将中间帧图像与最后的主流操作进行残差,或者只是简单地对中间帧图像进行一次卷积操作后再与主流操作进行残差,针对此问题,本文提出了中间帧图像的卷积块,它是由一些卷积层、拆分层和串联层组合起来的,它可以有效地提取到中间帧图像的更多细节信息,从而提高复原图像的PSNR值和SSIM值。本文还在网络最后的反卷积层后加入了中间帧的双叁次插值图像,该操作可以大大加速网络的训练速度。实验证明,本文提出的改进的基于RDB的多帧图像超分辨率重建算法,与以往的一些多帧图像超分辨率重建算法相比,能获得相对更高的PSNR和SSIM值,并且在图像的主观视觉效果上也有一定的增强,能更加接近高分辨率原图图像,而且本文网络也提高了训练速度,加速了网络的收敛。(本文来源于《华中师范大学》期刊2019-04-01）
李方彪,何昕,魏仲慧,何家维,何丁龙[4]（2018）在《生成式对抗神经网络的多帧红外图像超分辨率重建》一文中研究指出生成式对抗神经网络在约束图像生成表现出了巨大潜力,使得其适合运用于图像超分辨率重建。但是使用生成式对抗神经网络重建后的超分辨率图像存在过度平滑,缺少高频细节信息的缺点。针对单帧图像超分辨率重建方法不能有效利用图像序列间的时间-空间相关性的问题,提出了一种基于生成式对抗神经网络的多帧红外图像超分辨率重建方法(M-GANs)。首先,对低分辨率图像序列进行运动补偿;其次,使用权值表示卷积层对运动补偿后的图像序列进行权值转换计算;最后,将其输入生成式对抗重建网络,输出重建后的高分辨率图像。实验结果表明:文中方法在主观及客观评价中均优于当前代表性的超分辨率重建方法。(本文来源于《红外与激光工程》期刊2018年02期）
付亚伟,魏镜弢,赵明[5]（2018）在《多帧超分辨率图像重建迭代小波算法研究》一文中研究指出为了解决由于物体的运动和拍摄环境等因素,造成拍摄后多帧图像分辨率低和细节丢失的问题。本文对现有超分辨图像处理算法查阅研究,提出超分辨率图像重建迭代小波算法。最终对比迭代小波算法运算后最终的图像和参考帧图像,并比较图像信噪比的变化得出迭代小波算法的优越性。(本文来源于《价值工程》期刊2018年01期）
赵庆超,张毅,王宇,王伟,王翔宇[6]（2017）在《基于多帧超分辨率的方位向多通道星载SAR非均匀采样信号重建方法》一文中研究指出方位向多通道技术是星载合成孔径雷达(Synthetic Aperture Radar,SAR)同时实现高分辨率宽测绘带成像的有效手段,对于方位向多通道星载SAR系统,当脉冲重复频率(Pulse Repetition Frequency,PRF)不满足均匀采样条件时方位向信号被非均匀采样,成像前需进行均匀化重建。该文创新性地提出以数字图像处理(Digital Image Processing,DIP)领域多帧超分辨率的思路解决方位向多通道星载SAR非均匀采样信号重建问题,并总结给出了多帧超分辨处理的一般方法。仿真与实测数据实验验证了方法的有效性,且在复杂度性能上具有一定优势。该文第1次建立了方位向多通道星载SAR非均匀采样信号重建与多帧超分辨率问题的联系,为这一信号重建问题的解决提供一种新的思路。(本文来源于《雷达学报》期刊2017年04期）
郭晓锋,亓波,史建亮[7]（2017）在《基于贝叶斯推断的多帧超分辨率重建》一文中研究指出本文回顾了超分辨率重建的发展过程,并详细对比了多帧超分辨率重建算法的优劣势。同时对基于贝叶斯推断的超分辨算法进行了仿真实验,仿真结果表明,算法取得了较好的效果,有效的提高了图像的分辨率。(本文来源于《Proceedings of 2017 Global Conference on Mechanics and Civil Engineering(GCMCE 2017)(Advances in Engineering Research Vol.132)》期刊2017-06-24）
陈小光,李亚茹[8]（2017）在《基于控制核回归的多帧图像超分辨率重建》一文中研究指出针对多帧图像超分辨率重建问题,本文提出了一种基于控制核回归的重建方法.该方法先对低分辨率图像序列进行亚像素配准,再利用控制核回归进行非均匀插值得到高分辨率图像的初始估计,然后通过迭代控制核回归进行进一步的鲁棒估计,最后经过全变差正则化图像复原得到高分辨率重建图像.本文针对模拟图像序列及真实视频图像序列进行了对比实验,结果表明本文方法不但可以较好地保持图像中的细节信息,而且有较好的去噪能力,能够有效地提高图像重建质量.(本文来源于《北方工业大学学报》期刊2017年02期）
徐燕华,李荣,王华君,徐平平[9]（2016）在《基于ANNF和结构相似性的单帧超分辨率图像重建算法》一文中研究指出针对相似最近邻算法ANNF较差的稳定性,提出了一种字典学习和简单正则化相结合的算法,在ANNF处理之后,运用结构相似性对其进行简单正则化操作。首先解决单一图像的SR字典学习问题;然后利用k-d树对输入的图像特征匹配进行运算,得到ANNF映射;最后将ANNF结果进行相似性正则化处理,只需要几次迭代就能完成后续处理,得到最终的高分辨率图像。采用峰值信噪比PSNR和均方误差RMSE比较各算法效果。从实验结果数据可以看出,算法具有最高的PSNR值和最低的均方误差,从实验结果图像可以看出,其算法的纹理保留的最好,效果最自然,另外从对高斯模糊的鲁棒性分析来看,算法鲁棒性完全优于其他算法。(本文来源于《微型电脑应用》期刊2016年10期）
谢超,路小波,曾维理[10]（2016）在《基于稀疏表示的单帧超分辨率重建（英文）》一文中研究指出为了有效提高重建后的图像质量,提出了一种基于稀疏表示的单帧超分辨率重建方法.首先,该方法使用一种基于局部方向估计的图像块聚类和主元分析相结合的字典学习方法来获得一系列具有不同方向的几何字典.然后,给每一个待处理的图像块自动分配一个具有最近方向的字典,并据此进行稀疏编码.此外,为了在图像锐化和边缘保持方面取得进一步的提高,将梯度一致性加入提出的基本框架.在自然图像上进行的2组实验表明:提出的方法在视觉和数字指标方面均优于一些先进的同类方法.(本文来源于《Journal of Southeast University(English Edition)》期刊2016年02期）
多帧超分辨率重建论文开题报告
（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：
随着信息技术的迅速发展,超分辨率重建技术(Super-Resolution Reconstruction,SRR)已经成为图像处理领域中的一个重要研究方向,其在医疗、军事、交通等领域都有广泛的应用前景。受限于工艺水平及制造成本,通过从硬件方面提升光学成像设备的像素密度来提升图像分辨率已然成为瓶颈。反之,从软件层面来对图像进行分辨率增强则具有较高的可行性。本文借鉴传统多帧图像重建的算法框架,对基于单帧学习的图像重建网络进行重新设计,提出一种基于多帧先验补偿的超分辨率重建框架。一方面,本文针对单帧重建无法利用连续帧的帧间像素位移信息的不足,在基线重建中融入配准帧的额外先验作为重建指导,重建出了更真实的纹理。另一方面,虽然实验得到较优指标,但实验测试图像在重建时出现了一定程度的伪边缘问题。针对该点,本文对网络的损失函数进行分析,结合空间特征更新了损失函数,同时引入一种基于亚像素配准的模块,以降低原有配准的复杂度。通过与单一的单帧图像重建方法相比,本文算法在保持自然纹理细节的同时可以在一定程度上缩减重建时间,有效提升了图像重建质量。其在具有多帧的重建场景中,能够充分利用已有先验,重建出质量更优的高分辨率图像。
（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。
多帧超分辨率重建论文参考文献
[1].孙玉莹,郭琳,李晨,王雨竹.基于结构聚类和字典学习的多帧图像超分辨率重建[J].信息通信.2019
[2].骆镇钊.基于多帧学习的超分辨率重建算法研究[D].武汉科技大学.2019
[3].伍惠子.基于卷积神经网络的多帧图像超分辨率重建[D].华中师范大学.2019
[4].李方彪,何昕,魏仲慧,何家维,何丁龙.生成式对抗神经网络的多帧红外图像超分辨率重建[J].红外与激光工程.2018
[5].付亚伟,魏镜弢,赵明.多帧超分辨率图像重建迭代小波算法研究[J].价值工程.2018
[6].赵庆超,张毅,王宇,王伟,王翔宇.基于多帧超分辨率的方位向多通道星载SAR非均匀采样信号重建方法[J].雷达学报.2017
[7].郭晓锋,亓波,史建亮.基于贝叶斯推断的多帧超分辨率重建[C].Proceedingsof2017GlobalConferenceonMechanicsandCivilEngineering(GCMCE2017)(AdvancesinEngineeringResearchVol.132).2017
[8].陈小光,李亚茹.基于控制核回归的多帧图像超分辨率重建[J].北方工业大学学报.2017
[9].徐燕华,李荣,王华君,徐平平.基于ANNF和结构相似性的单帧超分辨率图像重建算法[J].微型电脑应用.2016
[10].谢超,路小波,曾维理.基于稀疏表示的单帧超分辨率重建（英文）[J].JournalofSoutheastUniversity(EnglishEdition).2016