- 上一篇：MMSEG中文分词技术研究
- 下一篇：线性调频连续波雷达信号处理算法设计与实现
摘要图像超分辨率（SR）技术具有良好应用前景和研究价值，可以分为基于插值、基于重建、基于学习三类方法，基于学习的方法有很大的研究空间。本文介绍了几种常见的图像超分辨率方法，主要研究了一种基于两级框架的高斯过程回归（GPR）算法，由于高斯过程回归属于机器学习，和贝叶斯统计有一定联系，因此先引入了贝叶斯统计和机器学习的相关知识。研究了高斯过程回归的原理，协方差函数和超参数的选取，并将高斯过程回归应用到单个图像超分辨率。使用一个两级框架算法，根据输入训练集和观测值来训练高斯过程回归模型，得到最优超参数，实现超参数自适应，再根据测试点预测对应的预测值，从而实现了在没有额外训练集的情况下，仅由低分辨率图像得到高分辨率图像。实验结果显示，从视觉效果来看，两级框架高斯过程回归算法明显比一级高斯过程回归和双三次插值得到的高分辨率图像的质量好，边缘细节更丰富。最后，本文还介绍了高斯过程回归算法的改进方向。51315
关键词 超分辨率 高斯过程回归 协方差函数 超参数 机器学习
毕业设计说明书外文摘要
Title Research of Image Super-Resolution Technology
Abstract
Image super-resolution(SR) technology has a good application prospect and research value.It can be pided into three kinds:based on interpolation, reconstruction and learning.In this paper,Several common image super-resolution methods are introduced,and a two level framework of Gaussian process regression (GPR) are studied.Due to Gaussian process regression belongs to machine learning and has relation with Bayesian statistics,the knowledge of Bayesian statistics and machine learning are introduced.The principle of Gauss process regression,covariance function and the selection of the Hyper-parameters are studied,and the Gauss process regression is applied to the single image super-resolution. Using a two stage framework, depending on the value of the input training set and observation to train Gaussian process regression model to obtain the optimal hyper-parameters, realize the self-adaption of hyper-parameters , then according to the test values to predict points.Without additional training set ,only use the low-resolution images to obtain high-resolution images. The experimental results show that:the two level framework of Gauss process regression algorithm is significantly better than the one level framework of Gauss process regression and bicubic interpolation.It’s can get high-resolution images with abundant edge details. At last, the improvement direction of Gauss process regression algorithm is introduced.
Keywords super-resolution Gaussian process regression covariance function hyperparameter machine learning
目 次
1 引言 1
1.1 图像超分辨率技术的研究背景及意义 1
1.2 图像超分辨率技术的研究现状及研究难点 3
1.3 论文的研究内容 7
1.4 论文的行文安排 8
2 图像超分辨率的常见方法 10
2.1 基于插值的图像超分辨率方法 10
2.2 基于重建的图像超分辨率方法 11
2.3 基于学习的图像超分辨率方法 12
3 基于高斯过程回归的图像超分辨率实现方法 13
-
基于差分进化算法的自动...
-
基于混沌的图像加密通信...
-
MATLAB基于时频分析的穿墙呼吸检测算法研究
-
基于LTE的OFDM无线传输链路设计与仿真
-
基于OFDM的用户接入控制技术研究
-
基于OFDM的数字图像无线传输关键技术研究
-
QPSK无线通信网络中基于...
杂拟谷盗体内共生菌沃尔...
电站锅炉暖风器设计任务书
当代大学生慈善意识研究+文献综述
大众媒体对公共政策制定的影响
中考体育项目与体育教学合理结合的研究
十二层带中心支撑钢结构...
乳业同业并购式全产业链...
河岸冲刷和泥沙淤积的监测国内外研究现状
酸性水汽提装置总汽提塔设计+CAD图纸
java+mysql车辆管理系统的设计+源代码