多分辨率算法论文_侯志明,高阳,洪明月,江平松,郭高

导读:本文包含了多分辨率算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:分辨率,算法,邻域,卷积,字典,深度,图像。

多分辨率算法论文文献综述

侯志明,高阳,洪明月,江平松,郭高[1](2019)在《对LLE图像超分辨率算法的几个改进》一文中研究指出本文旨在对一种经典的图像超分辨率方法——LLE算法(局部线性嵌入算法)及其代码进行一些改进和优化。为提高对大量图像块的搜索速度,我们采用kd树算法整理样本集;鉴于像素点灰度值的非负性,我们采用非负最小二乘法而不是LLE原来的最小二乘法,确定低分辨率图像块与训练样本集中k最邻近图像块的回归系数;最后,考虑到样本集选取和变换会对实验结果造成影响,我们对训练样本图像的若干因素进行一系列组合,通过正交实验设计得出样本集的最佳选取标准。实验表明,改进后的LLE图像超分辨率算法相比传统的图像插值算法和原LLE算法,效果有较大的改进。(本文来源于《软件》期刊2019年11期)

王勇,黎春,何养明,陈荟西[2](2019)在《改进的多分辨率点云自动配准算法》一文中研究指出为解决叁维点云配准精度低、速度较慢、易受噪声和外点干扰的问题,提出一种改进的多分辨率点云自动配准算法.算法首先对源点云和目标点云建立KD-tree以加快近邻点的搜索;然后采用基于法向量和特征直方图的配准方法实现粗配准,并对其中的特征提取部分进行了改进,能有效提取特征点,且不会损失大量特征不明显的点云信息.为了进一步提高配准精度,精配准提出一种改进的多分辨率迭代最近点算法,算法提出利用特征点的稠密度计算点云分辨率,同时对关键点采样方法进行了改进.实验结果表明,对于不同规模和含不同程度噪声的点云,此方法在精度、速度、抗噪性方面都得到了改善.(本文来源于《小型微型计算机系统》期刊2019年10期)

吴宏林,赵淑珍,王建新,张建明,喻小虎[3](2019)在《融合内外特征的图像超分辨率算法》一文中研究指出针对单一先验知识不足以约束病态严重的图像超分辨率问题,本文提出了融合内外特征的图像超分辨率算法。针对图像的自相似性,通过采用基于内部特征的深度卷积网络学习来增强输入图像的细节纹理,去除超分辨率图像伪影;同时,使用基于外部图像的稀疏约束方法来学习图像结构信息,并结合高频残差字典来解决超分辨率重建中的高频信息缺失问题;最后通过卷积稀疏方法分别从基础层和细节层来融合内外特征的重建图像,以获得细节清晰、去伪影的超分辨率图像,进一步提高图像质量。与传统算法相比,本文算法在重建图像的纹理特征和质量上都得到了增强,且视觉效果与峰值信噪比较传统算法有所改善。(本文来源于《红外技术》期刊2019年09期)

叶双,杨晓敏,严斌宇[4](2019)在《基于自适应锚定邻域回归的图像超分辨率算法》一文中研究指出在基于字典的图像超分辨率(SR)算法中,锚定邻域回归超分辨率(ANR)算法由于其优越的重建速度和质量引起了人们的广泛关注。然而,ANR算法的锚定邻域投影并不稳定,以致于不足以涵盖各种样式的映射关系。因此提出一种基于自适应锚定邻域回归的图像SR算法,根据样本分布自适应地计算邻域中心从而以更精确的邻域来预计算投影矩阵。首先,以图像块为中心,运用K均值聚类算法将训练样本聚类成不同的簇;然后,用每个簇的聚类中心替换字典原子来计算相应的邻域;最后,运用这些邻域来预计算从低分辨率(LR)空间到高分辨率(HR)空间的映射矩阵。实验结果表明,所提算法在Set14上平均重建效果以31.56 dB的峰值信噪比(PSNR)及0.871 2的结构相似性(SSIM)优于其他基于字典的先进算法,甚至胜过超分辨率卷积神经网络(SRCNN)算法。同时,在主观表现上看,所提算法恢复出了尖锐的图像边缘且产生的伪影较少。(本文来源于《计算机应用》期刊2019年10期)

杨娟,李文静,汪荣贵,薛丽霞[5](2019)在《融合感知损失的生成式对抗超分辨率算法》一文中研究指出目的现有的基于深度学习的单帧图像超分辨率重建算法大多采用均方误差损失作为目标优化函数,以期获得较高的图像评价指标,然而重建出的图像高频信息丢失严重、纹理边缘模糊,难以满足主观视觉感受的需求。同时,现有的深度模型往往通过加深网络的方式来获得更好的重建效果,导致梯度消失问题的产生,训练难度增加。为了解决上述问题,本文提出融合感知损失的超分辨率重建算法,通过构建以生成对抗网络为主体框架的残差网络模型,提高了对低分率图像的特征重构能力,高度还原图像缺失的高频语义信息。方法本文算法模型包含生成器子网络和判别器子网络两个模块。生成器模块主要由包含稠密残差块的特征金字塔构成,每个稠密残差块的卷积层滤波器大小均为3×3。通过递进式提取图像不同尺度的高频特征完成生成器模块的重建任务。判别器模块通过在多层前馈神经网络中引入微步幅卷积和全局平均池化,有效地学习到生成器重建图像的数据分布规律,进而判断生成图像的真实性,并将判别结果反馈给生成器。最后,算法对融合了感知损失的目标函数进行优化,完成网络参数的更新。结果本文利用峰值信噪比(PSNR)和结构相似度(SSIM)两个指标作为客观评价标准,在Set5和Set14数据集上测得4倍重建后的峰值信噪比分别为31. 72 d B和28. 34 d B,结构相似度分别为0. 892 4和0. 785 6,与其他方法相比提升明显。结论结合感知损失的生成式对抗超分辨率重建算法准确恢复了图像的纹理细节,能够重建出视觉上舒适的高分辨率图像。(本文来源于《中国图象图形学报》期刊2019年08期)

骆增辉,张伯泉,曾碧[6](2019)在《基于多分辨率能量图的自适应蒙特卡罗定位算法研究》一文中研究指出针对机器人被劫持以及快速恢复定位问题,本文提出了一种基于相似能量区采样的自适应蒙特卡罗定位方法。该算法首先通过离线构建出多分辨率二维能量图;然后在该图上利用回溯搜索算法,寻找与当前环境相似的能量区(SER);再根据粒子集平均似然的变化,判断机器人是否被劫持,若机器人被劫持,便在SER中进行采样,得到全局粒子集以发现机器人的新位姿;同时,该算法还可以维护一个局部粒子集,用于跟踪定位。实验结果表明,该算法不仅能够有效进行SER搜索,及时发现机器人被劫持,还能快速恢复定位。(本文来源于《机器人技术与应用》期刊2019年04期)

苏冰山,陈继光,陈雨[7](2019)在《基于改进总广义变分的红外图像超分辨率算法》一文中研究指出本文提出一种新的红外图像超分辨率算法。算法将一种改进型的二阶总广义变分模型与红外图像的高频估计结合起来:首先根据相位一致算法提取可见光图像和红外图像的边缘;然后将提取的图像边缘按照相关边缘和非相关边缘分类;分类后依据可见光图像与红外图像的二次仿射变换关系模型,得出相关边缘红外图像的高频估计;最后将高频估计图像与改进的二阶总广义变分模型结合起来,得到新的正则化模型,由此模型重建高分辨率红外图像。实验结果证明本文算法优于其他算法。(本文来源于《电脑知识与技术》期刊2019年22期)

黄炜钦,高凤强,陈俊仁,李婵[8](2019)在《联合深度置信网络与邻域回归的超分辨率算法》一文中研究指出为了提高重建的质量和速度,提出一种联合深度置信网络与邻域回归的超分辨率算法.一方面,结合字典学习与神经网络表示的联系对传统的深度置信网络进行调整,采用该网络模型实现字典学习,充分利用该模型突出的学习能力,使字典具有更好的特征表达能力,从而提高图像的重建质量.另一方面,在基于字典学习的超分辨率框架中融入邻域回归思想.首先,利用最近邻域算法确定字典原子的最近邻域映射关系;然后以此为基础,结合邻域回归方法,离线计算高、低分辨率投影矩阵;最后在重建过程中将该投影矩阵应用于图像重建.该方法避免了字典学习中的系数求解过程,降低了计算的复杂度,提高了重建的速度.实验表明,算法具有更高的峰值信噪比和结构相似度,同时极大地提高了图像的重建速度.(本文来源于《南京大学学报(自然科学)》期刊2019年04期)

季章生,肖本贤[9](2019)在《基于极分解的回溯多分辨率分析GMP算法》一文中研究指出为提高贪婪匹配追踪(GMP)算法对信道环境的普适性以及解决字典失配导致的定位误差问题,提出一种基于极分解的回溯多分辨率分析GMP算法。首先将由对数距离损耗模型得到的观测字典进行极分解,使得新的字典满足约束等距性条件;同时使字典和测量向量满足GMP算法的使用条件。然后每次遍历找到对测量向量影响最大的网格,在此网格及邻域中用多分辨率分析来逼近目标位置;最后利用回溯思想评估候选集中所有估计位置的可信赖度,并对信赖度较低的位置再次进行分析,使估计位置更加接近目标位置。实验结果表明,相比于其他算法,该算法在在目标数为14时,丢失概率和虚警概率也能控制在0.4以内,平均定位误差控制在1.87 m以内,具有更好的计数和定位性能。(本文来源于《电子测量与仪器学报》期刊2019年07期)

霍门婕,范大昭,董杨[10](2019)在《异源多分辨率卫星影像匹配算法研究》一文中研究指出以异源多分辨率遥感卫星影像为研究对象,对影像特征提取、特征描述、特征匹配及匹配提纯算法进行了较为深入的研究;并将不同的特征提取与匹配算法进行组合,通过试验对比得出了各种算法的适用性。在此基础上,设计了一套面向异源多分辨率卫星影像的匹配流程。(本文来源于《测绘通报》期刊2019年06期)

多分辨率算法论文开题报告

(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:

为解决叁维点云配准精度低、速度较慢、易受噪声和外点干扰的问题,提出一种改进的多分辨率点云自动配准算法.算法首先对源点云和目标点云建立KD-tree以加快近邻点的搜索;然后采用基于法向量和特征直方图的配准方法实现粗配准,并对其中的特征提取部分进行了改进,能有效提取特征点,且不会损失大量特征不明显的点云信息.为了进一步提高配准精度,精配准提出一种改进的多分辨率迭代最近点算法,算法提出利用特征点的稠密度计算点云分辨率,同时对关键点采样方法进行了改进.实验结果表明,对于不同规模和含不同程度噪声的点云,此方法在精度、速度、抗噪性方面都得到了改善.

(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。

多分辨率算法论文参考文献

[1].侯志明,高阳,洪明月,江平松,郭高.对LLE图像超分辨率算法的几个改进[J].软件.2019

[2].王勇,黎春,何养明,陈荟西.改进的多分辨率点云自动配准算法[J].小型微型计算机系统.2019

[3].吴宏林,赵淑珍,王建新,张建明,喻小虎.融合内外特征的图像超分辨率算法[J].红外技术.2019

[4].叶双,杨晓敏,严斌宇.基于自适应锚定邻域回归的图像超分辨率算法[J].计算机应用.2019

[5].杨娟,李文静,汪荣贵,薛丽霞.融合感知损失的生成式对抗超分辨率算法[J].中国图象图形学报.2019

[6].骆增辉,张伯泉,曾碧.基于多分辨率能量图的自适应蒙特卡罗定位算法研究[J].机器人技术与应用.2019

[7].苏冰山,陈继光,陈雨.基于改进总广义变分的红外图像超分辨率算法[J].电脑知识与技术.2019

[8].黄炜钦,高凤强,陈俊仁,李婵.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

[9].季章生,肖本贤.基于极分解的回溯多分辨率分析GMP算法[J].电子测量与仪器学报.2019

[10].霍门婕,范大昭,董杨.异源多分辨率卫星影像匹配算法研究[J].测绘通报.2019

论文知识图

基于DT-CWT的灰度多聚焦图像融合框架胸部临床图像刚体配准结果图试件切片示意具有时移的EMG信号s1和s2的小波包分解...具有时移的EMG信号s1和s2的小波包结点...具有时移的EMG信号s1和s2的小波包分解...

标签:;  ;  ;  ;  ;  ;  ;  

多分辨率算法论文_侯志明,高阳,洪明月,江平松,郭高
下载Doc文档

猜你喜欢