基于神经网络的单帧图像超分辨率重建算法研究文献综述

 2022-01-01 22:04:59

全文总字数:2573字

文献综述

文 献 综 述1、引言由于硬件设备限制和信息传输处理的实时性要求,人们获取到的图像数据往往为低分辨率LR(Low-Resolution)图像,但在实际应用中,高分辨率HR(High-Resolution)图像可以提供更多信息,帮助专业人士做出更准确的判断,同时也具有更好的感知效果。

单幅图像超分辨率SISR(Single Image Super-Resolution)重建利用图像中像素点与周围像素点之间存在的内在联系,学习自然数据中存在的隐式冗余,可以从单幅的LR图像恢复出丢失的细节信息,从LR图像得到HR图像。

目前,SISR技术被广泛应用于诸多领域,如社会安全[1]、 医学成像[2]和军事遥感[3]等。

SISR可以让一张低分辨率不够清晰的图片变得清晰起来,或者是将一张年代久远模糊不清的旧照片通过提高分辨率高清复现。

工业方面,SISR还为图像的传输过程降低了带宽和存储空间的消耗。

作为一个不适定问题,不同的图像超分辨率重建方法可以重建出不同的高分辨图像,并且图像细节的恢复过程会随着放大因子的增大而变得复杂。

随着深度学习技术在GPU迅速发展的背景下得以广泛应用,图像超分辨率重建范畴有了新的契机[4]。

2、SISR的实现方式现有的SISR算法大致分为3类:基于插值的算法、基于重建的算法和基于学习的算法[5]。

基于插值的算法简单,但是重建图像会引入伪影和振铃现象。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。