信號處理之高性能超分辨率圖像重建方法

目錄
第1章 緒論 1 
1.1 信號與系統(tǒng)的概念 1 
1.2 信號處理應用領域 4 
1.3 超分辨率技術概述 7 
1.4 國內外研究現(xiàn)狀 9 
1.5 本書內容與主要貢獻 11 
1.5.1 本書內容 11 
1.5.2 主要貢獻 12 
1.6 本書的組織與結構 13 
1.7 本書約定與符號說明 13 
第2章 基于主元分析與尺度不變特征變換的圖像配準方法的研究 15 
2.1 標準SIFT方法概述 17 
2.1.1 圖像尺度空間的建立 17 
2.1.2 精確檢測極值點 19 
2.1.3 關鍵點方向分配 22 
2.1.4 生成SIFT 特征描述子 22 
2.2 基于主元分析的特征提取 23 
2.2.1 主元分析與奇異值分解 23 
2.2.2 PCA 降維 25 
2.2.3 生成低維SIFT 特征描述子 25 
2.3 動態(tài)閾值的判定與特征匹配 27 
2.4 實驗結果與分析 29 
2.4.1 特征提取性能對比 30 
2.4.2 圖像配準性能對比 31 
2.5 本章小結 34 
第3章 基于小波多分辨率分析的稀疏表示法 35 
3.1 基本思想與降質模型的建立 35 
3.1.1 圖像降質模型 35 
3.1.2 局部約束稀疏表示 36 
3.1.3 全局約束稀疏表示 37 
3.2 訓練過完備聯(lián)合詞典對 38 
3.2.1 訓練單個詞典 41 
3.2.2 訓練聯(lián)合詞典對 41 
3.3 基于小波多分辨率分析的詞典訓練 43 
3.3.1 小波變換的理論基礎與原理 43 
3.3.2 基于小波變換的圖像分解與重構 45 
3.3.3 提升小波變換訓練聯(lián)合詞典對 47 
3.4 基于PCA-SIFT-Gaussian 方法的特征提取 52 
3.5 實驗結果與分析 52 
3.5.1 訓練過完備聯(lián)合詞典對性能對比 53 
3.5.2 超分辨率性能對比 54 
3.6 本章小結 55 
第4章 矩陣填充與矩陣恢復問題的研究 57 
4.1 矩陣填充 57 
4.1.1 奇異值閾值法 58 
4.1.2 加速近端梯度法 59 
4.1.3 增廣拉格朗日乘子法 60 
4.2 矩陣恢復 61 
4.2.1 迭代閾值法 63 
4.2.2 加速近端梯度法 64 
4.2.3 增廣拉格朗日乘子法 65 
4.3 矩陣填充與矩陣恢復混合問題 68 
4.4 Dual-IALM 在圖像處理中的應用 69 
4.4.1 矩陣填充性能對比 69 
4.4.2 圖像去噪應用 70 
4.4.3 圖像融合應用 71 
4.5 本章小結 76 
第5章 高性能超分辨率圖像重建 77 
5.1 多幀圖像配準 77 
5.2 稀疏表示與局部約束 77 
5.3 矩陣填充與RPCA 實現(xiàn)全局約束 78 
5.4 軟件系統(tǒng)搭建與優(yōu)化 79 
5.4.1 軟件系統(tǒng)搭建 79 
5.4.2 軟件系統(tǒng)優(yōu)化 81 
5.5 高性能超分辨率實驗與分析 83 
5.6 本章小結 89 
第6章 總結與展望 90 
6.1 總結 90 
6.2 展望 91 
參考文獻 93