小波局部适应插值的图像超分辨率重建下载

weixin_39822095 2019-07-08 09:00:21

：针对单帧低分辨率图像的超分辨率重建问题，提出一种改进的小波局部适应插值的超分辨率重建方法，该方法能够弥补重建图像
边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性，提出一种综合两者优点的单帧图像超分辨率重建算法。实验结果表明，采
用该算法得到的重建图像不仅能较好地保留原始图像的细节信息，提高图像的空间分辨率，并能提高图像的峰值信噪比，更适合人眼视觉
系统。
相关下载链接：//download.csdn.net/download/fillmore0535/2917451?utm_source=bbsseo

...全文

20 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

：针对单帧低分辨率图像的超分辨率重建问题，提出一种改进的小波局部适应插值的超分辨率重建方法，该方法能够弥补重建图像边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性，提出一种综合两者优点的单帧图像超分辨率重建算法。实验结果表明，采用该算法得到的重建图像不仅能较好地保留原始图像的细节信息，提高图像的空间分辨率，并能提高图像的峰值信噪比，更适合人眼视觉系统。

利用小波双线性超分辨率重建算法得到的重建图像会出现低、高频系数不匹配的现象，从而使得到的高分辨率图像灰度偏移。本文对该方法进行了改进，并引入局部适应插值得到更为理想的重建算法。即小波与局部适应插值结合算法。

四课时matlab插值，通过编程实战掌握具体应用。包括matlab插值一维内插、matlab插值二维内插、matlab插值二维散布点内插、matlab插值三角内插。

利用小波双线性超分辨率重建算法得到的重建图像会出现低、高频系数不匹配的现象，从而使得到的高分辨率图像灰度偏移。本文对该方法进行了改进，并引入局部适应插值得到更为理想的重建算法。即小波与局部适应插值结合算法。

图像在获取和传输过程中，不可避免地会受到噪声污染，致使图像质量下降，严重影响了后续图像处理工作(如图像超分辨率、图像分割、图像识别、特征提取等。为了提高图像质量，为后续图像处理提供更可靠真实的图像，对图像进行去噪处理就成为图像处理中一项基础而重要的研究工作。图像去噪的目的是根据观察到的降质图像估计恢复原始真实图像，即在去除噪声同时更好保持图像中的重要结构信息。研究如何更好保持图像的边缘、纹理等重要结构信息的图像去噪模型和算法具有重要的理论意义和实用价值。本论文以刻画边缘和纹理的图像先验建模为出发点，利用小波变换、核回归及非局部均值等图像去噪方法，重点研究方法中的纹理、边缘等结构保持问题，提出一系列的结构保持的图像去噪模型和新算法。取得的主要成果及创新点如下： (1)提出一种新的基于小波系数相关性的图像去噪方法。利用小波系数多尺度相关性及小波系数极大值，定义两种基于最大子结点的相关系数，结合小波阈值进行图像去噪，并且将定义的相关系数推广到分数阶B样条小波域。理论分析和实验结果均表明，所提出相关系数在小波分解的高频子带可以很好地刻画图像结构，因而在去噪过程中保留了更多的边缘与纹理等结构信息，提高了去噪图像的质量。 (2)针对基于正则性指数图像去噪方法的不足，提出正则性指数和图像全变差 (Total Variation，TV)正则先验结合的图像去噪模型。该模型利用小波系数与信号J下则性之间的关系，在小波分解的不同尺度，通过改变小波系数来提高图像局部正则性。有效克服了正则性指数去噪算方法在图像边缘处所产生的Gibbs现象，具有较好的边缘结构保持和噪声滤除性能。推广传统小波阈值与TV最小结合的变分模型到分数阶B样条小波，建立分数阶B样条小波域的TV去噪模型。通过分数阶B样条小波阈值和TV范数的结合，得到了对于纹理和边缘等几何结构都有良好保持性能的去噪图像。 (3)利用结构张量矩阵刻画像素局部梯度结构信息，设计了一种新的数据自适应核函数，提出一种基于结构张量的自适应核回归图像去噪及插值模型。理论和实验表明：本文模型能够准确估计图像中的边缘方向，因而在图像去噪和插值中能够有效重建图像的边缘和纹理等几何结构，视觉效果良好；同时，本文模型的均方误差达到了最小，进一步验证了算法的有效性。针对Steering核回归模型对于细尺度边缘的不稳定性，应用两种更加鲁棒的核函数，提出两种边缘保持的核回归模型。与高斯核函数相比较，新的核函数具有更快的衰减性。当像素点属于细尺度边缘时，新的核函数对边缘附近像素赋予了更小权重，保证了去噪图像中的边缘细节更加清晰，消除了高斯核函数所出现的伪边缘现象。实验结果证明所提出模型对于纹理较少，细节丰富的图像具有很好重建效果。 (4)耦合Patch相似性保真和非局部，Ⅳ正则性先验，提出一种新的图像去噪变分模型。该模型利用非局部迭代去噪图像和真实图像间的Patch相似性建立保真项，从而保证了所产生的去噪图像和真实图像之间具有结构相似性。非局部Tv正则项进一步保证了图像中边缘及细小纹理结构的有效保持。与现有相关方法相比较，实验结果表明，所提出方法在去噪同时能够有效保持图像中的边缘及纹理结构信息，特别是对于受噪声污染比较严重的图像，去噪性能和结构保持性能都达到了最好。 (5)利用图像中Patch自相似性，结合Tv正则先验，提出自适应非局部Patch自相似性正则化模型。与现有非局部权函数计算方法不同，本文利用改进的结构张量矩阵，构造具有自适应和方向性的权函数，

下载资源悬赏专区

12,801

社区成员

12,340,106

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章