基于深度学习的单帧图像超分辨率重建算法研究任务书

 2020-02-11 12:02

1. 毕业设计(论文)主要内容:

受成像设备的硬件限制和成像过程中自然因素的影响,自然采集的图像往往呈现较低的分辨率。通过硬件途径提高图像的分辨率需要改善传感器芯片尺寸和增加单位面积内像素的数量,这不仅需要高额的费用,而且面临严峻的技术挑战。

图像超分辨率重建(super-resolution, sr)技术是一种利用单帧或者多帧低分辨率图像,通过对图像信息的互补融合,以时间带宽换取空间分辨率,使得重建后的图像视觉效果超过任何一帧低分辨率图像的信号处理算法。图像超分辨率重建技术主要使用信号处理算法消除成像过程中的所引起的图像退化,增强图像中的高频部分。

在信息科技高速发展的今天,图像超分辨率重建技术在许多领域具有重要应用,成为计算机视觉领域的研究热点。在军事卫星、公共安全与交通、视频监控与取证、医学成像、工业成像等领域也有特殊的应用。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 毕业设计(论文)主要任务及要求

1. 查阅相关资料15篇以上(其中近五年英文文献不少于3篇);

2. 完成开题报告;

3. 基于深度学习的单帧图像超分辨率重建算法的理论基础和相关算法的学习;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 毕业设计(论文)完成任务的计划与安排

第1—2周:查阅相关的文献资料,对研究内容进行整体了解;

第3—4周:了解整体实现方案,完成开题报告;

第5—12周:根据方案进行设计和实现;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 主要参考文献

[1] wangz , liu d , yang j , et al. deep networks for image super-resolution withsparse prior[j]. 2015.

[2] kimj , lee j k , lee k m . deeply-recursive convolutional network for imagesuper-resolution[j]. 2015.

[3] kimj, lee j k, lee k m. accurate image super-resolution using very deepconvolutional networks[c]// ieee conference on computer vision amp; patternrecognition. 2016. [4] 宋锐, 吴成柯, 封颖,等. 一种新的基于map的纹理自适应超分辨率图像复原算法[j]. 电子学报, 2009, 37(5):1124-1129.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。