图像已经成为人们日常生活和生产活动中最广泛的信息载体之一。然而在实际应用中,由于成像设备硬件条件的限制和成像环境等因素的影响,人们很难获得高分辨率的图像,这对后续图像的使用和处理带来很多困难。如何提高所获取图像的分辨率、改善图像质量,成为图像处理领域极具挑战性的课题。由于通过改善硬件设备来提高图像分辨率的代价很高,因此学者们纷纷从软件方面入手来提高图像的分辨率。图像超分辨率技术就是利用现有的低分辨率图像资源,设计模型、算法重建出高分辨率、高质量的图像,是解决超分辩重建问题经济且有效的方法。该技术在计算机视觉、视频监控、医疗图像、遥感成像以及生活娱乐等方面有广泛的应用前景,是视频图像处理领域的一...Images have become one of the most widely used information carrier in our daily life. However, in the practical application, it is hard to get high-resolution images because of the limitations of the images device hardware and the bad imaging condition, which brings a lot of difficulties in the use and process of images. It is a challenging work to increase the resolution of an image and enhance i...学位:工学博士院系专业:信息科学与技术学院_控制理论与控制工程学号:2322009015...
高光谱图像包含丰富的光谱信息,单幅RGB重建高光谱图像对于军事目标识别和医学诊断领域有重要价值。而传统算法无法对未知相机光谱响应的RGB图像进行重建,针对此问题,提出了一种改进的残差密集网络。将改进的...
图像恢复是图像处理和计算机视觉领域的一个基本任务,它的目的是根据退化图像恢复出需要的图像信息,保证用户准确地获取图像中的重要信息,也是后续的图像分析、目标识别等视觉任务的前提。因此,研究图像恢复的理论...
在分析单幅图像超分辨率重建问题的基础上,建立一种新的图像退化模型,并分析了提出的模型和经典图像恢复中模型的异同点,然后分析了算法实施步骤,针对提出的分层剥离算法,采用级联模板运算方法,从而简化了方程计...
本发明涉及一种基于卷积神经网络的图像超分辨率重建方法,通过数据集训练SRCNN卷积神经网络模型,得到浅层纹理特征信息;建立基于特征转移的八层端到端神经网络模型,将浅层纹理特征信息迁移至该神经网络模型的...
本发明涉及一种基于卷积神经网络的图像超分辨率重建方法,通过数据集训练SRCNN卷积神经网络模型,得到浅层纹理特征信息;建立基于特征转移的八层端到端神经网络模型,将浅层纹理特征信息迁移至该神经网络模型的...
图像超分辨率重建是指从一幅或者多幅低分辨率(LR)图像重建出高分辨率(HR)图像的过程。该技术在气象遥感、医学成像、安全监控、多媒体通讯、数字娱乐等领域有着广泛的应用前景和实用价值。同时,图像超分辨率...
图像复原与增强是图像处理和计算机视觉领域中的经典问题,其目的是根据图像降质原理及相应准则,对降质图像进行相关复原或增强处理,从而提高图像质量以满足人眼视觉或后续处理的需求。虽然图像复原和增强算法已经取...
超分辨率重建(Super-Resolution,SR)算法是利用一张或多张的低分辨率图像(LowResolution,LR)重建出一张高分辨率图像(HighResolution,HR)。超分辨率重建是...
图像超分辨率重建是当前数字图像处理领域的研究热点,在公共安全领域、高清电视、医学成像领域以及卫星遥感领域都有广泛的应用。其中由于其应用的灵活简便,及实用性,使得基于单帧图像的超分辨率重建近几年得到了广...
高光谱图像包含丰富的光谱信息,单幅RGB重建高光谱图像对于军事目标识别和医学诊断领域有重要价值。而传统算法无法对未知相机光谱响应的RGB图像进行重建,针对此问题,提出了一种改进的残差密集网络。将改进的...
本发明涉及一种基于卷积逆投影的矩阵重构成像方法,包括以下步骤:建立雷达坐标系,确定成像区域,划分成像单元;MIMO雷达阵列发射正交频分信号,并接收回波信号;对成像区域进行目标检测,并映射到成像单元;按...
单幅图像超分辨率(Super Resolution,SR)重建,是计算机视觉领域的一个经典问题,其目的在于从一个低分辨率图像得到一个高分辨率图像。目前的卷积神经网络重建算法只有三层结构,浅层结构在处理...
本发明涉及一种基于卷积逆投影的矩阵重构成像方法,包括以下步骤:建立雷达坐标系,确定成像区域,划分成像单元;MIMO雷达阵列发射正交频分信号,并接收回波信号;对成像区域进行目标检测,并映射到成像单元;按...
本发明涉及一种基于卷积逆投影的矩阵重构成像方法,包括以下步骤:建立雷达坐标系,确定成像区域,划分成像单元;MIMO雷达阵列发射正交频分信号,并接收回波信号;对成像区域进行目标检测,并映射到成像单元;按...
图像超分辨率重建是计算机视觉领域中一个研究热点,有广阔的应用前景和实际应用价值。它主要关注在硬件设备性能受限的情况下,从所获取的单幅或者多幅图像中,设计算法尽可能提高图像的分辨率,尽量保持图像中丰富的...
高光谱图像包含丰富的光谱信息,单幅RGB重建高光谱图像对于军事目标识别和医学诊断领域有重要价值。而传统算法无法对未知相机光谱响应的RGB图像进行重建,针对此问题,提出了一种改进的残差密集网络。将改进的...
图像恢复是图像处理和计算机视觉领域的一个基本任务,它的目的是根据退化图像恢复出需要的图像信息,保证用户准确地获取图像中的重要信息,也是后续的图像分析、目标识别等视觉任务的前提。因此,研究图像恢复的理论...
在分析单幅图像超分辨率重建问题的基础上,建立一种新的图像退化模型,并分析了提出的模型和经典图像恢复中模型的异同点,然后分析了算法实施步骤,针对提出的分层剥离算法,采用级联模板运算方法,从而简化了方程计...
本发明涉及一种基于卷积神经网络的图像超分辨率重建方法,通过数据集训练SRCNN卷积神经网络模型,得到浅层纹理特征信息;建立基于特征转移的八层端到端神经网络模型,将浅层纹理特征信息迁移至该神经网络模型的...
本发明涉及一种基于卷积神经网络的图像超分辨率重建方法,通过数据集训练SRCNN卷积神经网络模型,得到浅层纹理特征信息;建立基于特征转移的八层端到端神经网络模型,将浅层纹理特征信息迁移至该神经网络模型的...
图像超分辨率重建是指从一幅或者多幅低分辨率(LR)图像重建出高分辨率(HR)图像的过程。该技术在气象遥感、医学成像、安全监控、多媒体通讯、数字娱乐等领域有着广泛的应用前景和实用价值。同时,图像超分辨率...
图像复原与增强是图像处理和计算机视觉领域中的经典问题,其目的是根据图像降质原理及相应准则,对降质图像进行相关复原或增强处理,从而提高图像质量以满足人眼视觉或后续处理的需求。虽然图像复原和增强算法已经取...
超分辨率重建(Super-Resolution,SR)算法是利用一张或多张的低分辨率图像(LowResolution,LR)重建出一张高分辨率图像(HighResolution,HR)。超分辨率重建是...
图像超分辨率重建是当前数字图像处理领域的研究热点,在公共安全领域、高清电视、医学成像领域以及卫星遥感领域都有广泛的应用。其中由于其应用的灵活简便,及实用性,使得基于单帧图像的超分辨率重建近几年得到了广...
高光谱图像包含丰富的光谱信息,单幅RGB重建高光谱图像对于军事目标识别和医学诊断领域有重要价值。而传统算法无法对未知相机光谱响应的RGB图像进行重建,针对此问题,提出了一种改进的残差密集网络。将改进的...
本发明涉及一种基于卷积逆投影的矩阵重构成像方法,包括以下步骤:建立雷达坐标系,确定成像区域,划分成像单元;MIMO雷达阵列发射正交频分信号,并接收回波信号;对成像区域进行目标检测,并映射到成像单元;按...
单幅图像超分辨率(Super Resolution,SR)重建,是计算机视觉领域的一个经典问题,其目的在于从一个低分辨率图像得到一个高分辨率图像。目前的卷积神经网络重建算法只有三层结构,浅层结构在处理...
本发明涉及一种基于卷积逆投影的矩阵重构成像方法,包括以下步骤:建立雷达坐标系,确定成像区域,划分成像单元;MIMO雷达阵列发射正交频分信号,并接收回波信号;对成像区域进行目标检测,并映射到成像单元;按...
本发明涉及一种基于卷积逆投影的矩阵重构成像方法,包括以下步骤:建立雷达坐标系,确定成像区域,划分成像单元;MIMO雷达阵列发射正交频分信号,并接收回波信号;对成像区域进行目标检测,并映射到成像单元;按...
图像超分辨率重建是计算机视觉领域中一个研究热点,有广阔的应用前景和实际应用价值。它主要关注在硬件设备性能受限的情况下,从所获取的单幅或者多幅图像中,设计算法尽可能提高图像的分辨率,尽量保持图像中丰富的...
高光谱图像包含丰富的光谱信息,单幅RGB重建高光谱图像对于军事目标识别和医学诊断领域有重要价值。而传统算法无法对未知相机光谱响应的RGB图像进行重建,针对此问题,提出了一种改进的残差密集网络。将改进的...
图像恢复是图像处理和计算机视觉领域的一个基本任务,它的目的是根据退化图像恢复出需要的图像信息,保证用户准确地获取图像中的重要信息,也是后续的图像分析、目标识别等视觉任务的前提。因此,研究图像恢复的理论...
在分析单幅图像超分辨率重建问题的基础上,建立一种新的图像退化模型,并分析了提出的模型和经典图像恢复中模型的异同点,然后分析了算法实施步骤,针对提出的分层剥离算法,采用级联模板运算方法,从而简化了方程计...