【摘 要】
：
图像数据作为大数据时代信息的重要载体,是人们了解与认识世界的重要方式之一。但受限于成像设备、环境等因素,现实中获得的图像往往会丢失很多细节信息,无法满足人们的日常
论文部分内容阅读
图像数据作为大数据时代信息的重要载体,是人们了解与认识世界的重要方式之一。但受限于成像设备、环境等因素,现实中获得的图像往往会丢失很多细节信息,无法满足人们的日常生活与生产需要。图像去模糊与超分辨率是经典的图像后处理技术,可以在不依赖硬件更新的前提下提升图像的清晰度与分辨率。本论文专注于图像去模糊与超分辨率算法研究,主要研究成果如下:本论文的第一个工作是基于卷积谱与L0正则化的图像盲去模糊算法。为改进传统基于L0正则化的图像去模糊算法性能,提出了一种基于卷积谱和L0正则化的鲁棒图像盲去模糊算法。该算法额外增加了对模糊核的先验,通过分离变量与交替最小化的方法,确保了每个子问题都具备良好的收敛性。实验结果证明,该算法在自然图像去模糊任务中取得了比传统算法更好的效果。本论文的第二个工作是基于深度图像先验学习的超分辨率算法。为改进深度图像先验算法完成图像超分辨率任务的性能,提出了一种将去噪显式先验融入深度图像先验学习过程的方式,达到了丰富隐式先验、提升先验模型自适应性的目的。实验结果证明,该算法在图像超分辨率重建中取得了比传统算法更好的效果。
其他文献
单图像超分辨率重建由于其在恢复图像细节和纹理方面具有很高的现实价值,所以一直是计算机视觉和图像处理领域的研究热点。深度神经网络能够学习低分辨率图像到高分辨率图像
离群点检测能够挖掘出大量数据中包含有价值信息的少量数据,在实际生活中有着广泛的应用,因此离群点检测成为了数据挖掘中的热点问题。离群点检测的主要任务是检测出异常的数据,从而在这些异常数据中获得有价值的信息。基于密度的离群点检测和基于聚类的离群点检测是目前研究的热点问题。本文深入分析了离群点检测的相关方法,针对基于密度和基于聚类的离群点检测中存在的一些挖掘性能不佳的问题提出了改进策略,旨在提高离群点的
伴随着《纺织工业“十三五”发展规划》的发布,中国的纺织行业正逐步迈向工业4.0时代。与互联网、大数据等技术的深度融合,各式各样的数字化智能纺织产品层出不穷,与此同时,
近年来,公共安全问题越发引起人们的关注。为了更好的解决城市安全问题,在人口密集的地方如商场、学校、电影院、游乐场、各大热门景点等地安装了大量的监控摄像头,这些摄像头汇聚在一起,形成一个巨大的监控网络,每天都会产生海量视频数据。但是处理这些海量视频信息大都采用传统的人工方式,通过人眼“盯屏幕”的方式从海量视频中寻找特定的几个监控信息,这样不仅费时费力、效率低下,而且容易遗漏重要信息,若有紧急情况发生
数字图像在人们生活中扮演着重要的角色。边缘则是数字图像中前景与背景的分界处,是图像的一个重要特征。边缘检测一直是计算机视觉、图像处理等诸多领域中的基础且重要的研究课题。在诸多边缘检测算法中,Canny边缘检测方法是目前理论上相对最完善的一种边缘检测方法。不过Canny算法在滤波去噪、梯度计算、边缘连接时的双阈值选择这几个步骤上都存在着缺陷,算法的自适应性较低。对于Canny算法中高斯滤波的缺陷,可
以牛顿法为代表的二阶优化算法已经被应用于解决稀疏学习问题并取得了良好的效果。这种算法与一阶优化算法相比主要的缺点是需要计算海森矩阵而会消耗大量资源,解决上述问题
本论文基于贝克斯快乐护理管理咨询公司在荷兰卫生,福利和体育部以及广东省卫生和计划生育委员会组织的中荷医疗创新研讨会上的商务配对口译任务。旨在讨论口译员在商务配对口译中的作用。本报告的目的是提高联络口译技巧,并为其他口译员提供参考。本报告由五部分组成:任务描述,过程描述,理论框架,案例分析和结论。任务描述主要介绍了口译,委托方和联络口译的特点。过程描述,从三个方面介绍了整个解释过程:前期准备,口译工
情感是人类对外在事物的主观感受,面部表情是传递人类内心情感的一种有效的方式。若能准确地识别出人脸的表情并分析其内心情感状态,将能更好地改善人与机器之间的交互关系。
自动引导车(Automated guided vehicle,AGV)可以提高物料的运输效率,节约人力。AGV的冲突与死锁避免及任务完成效率是如今较为关注的问题。本论文主要研究如何在避免冲突与死
观看电影已经是人们日常生活中重要的娱乐方式之一,由于电影信息分布于各大视频网站且这些网站不能为用户提供足够个性化的查询结果,导致用户难以搜索到自己感兴趣的影视资源。针对该问题,本文将网络上分散的电影信息组织起来,建立电影信息本体知识库,将K-近邻算法和本体查询方式相结合,对用户观看电影的历史记录进行分析,得到用户的兴趣倾向,从而为用户提供他们期望检索到的电影信息。本文的主要工作和贡献如下。首先,针