为降低最大后验概率（MAP）超分辨率图像复原算法中模糊参数调整的复杂度，减少迭代运算量，提出了一种超分辨率复原新算法。先抽取一幅低分辨率图像作为参考图像，用其余低分辨率图像估计参考图像，通过训练模糊参数使估计的均方误差最小，自适应地估计最佳模糊参数。然后根据高分辨率图像和参考图像计算多项式之间的可类比性和估计误差变化的线性相关性，将训练结果直接用于超分辨率复原。复原时先利用最佳模糊参数将全部的低分辨率图像信息融合到高分辨率初始图像中，改进了复原运算的处理流程。相对于其他MAP复原算法，新算法不需要人工调整
2022-11-29 18:55:45
2.35MB
1
第一篇 基础知识
第1章 图像/视频基础知识
第2章 图像缩放
第3章 图像质量增强基本技术
第4章 超分辨率复原技术
第二篇 基于重建的超分辨率复原
第5章 基于重建的图像超分辨率复原技术概述
第6章 凸集投影和最大后验概率估计
第7章 基于mrf模型的map图像超分辨率复原
第8章 基于梯度矢量流约束的图像超分辨率复原
第9章 基于对象的监控视频超分辨率复原
第10章 基于权值矩阵的超分辨率盲复原
第11章 基于小波变换域的超分辨率复原
第12章 基于单帧高分辨率图像的视频序列超分辨率复原
第三篇 基于学习的超分辨率复原
第13章 基于学习的超分辨率复原技术概述
第14章 基于示例学习的超分辨率复原算法
第15章 基于多类预测器学习的超分辨率复原
第16章 基于学习的人脸图像超分辨率复原
第四篇 高动态范围显示
第17章 高动态范围图像可视化技术概述
第18章 基于自适应细节增强的高动态范围图像可视化
第五篇 超分辨率复原技术的发展趋势
第19章 超分辨率复原技术的发展趋势
2019-12-21 19:30:20
38.89MB
1