共查询到10条相似文献，搜索用时 203 毫秒
1.
针对传统的基于稀疏表示超分辨率重建存在不能同时保存边缘与纹理结构,并且在线运行时间长的问题。一种基于稀疏表示块的超分辨重建算法被提出,首先通过图像训练PCA字典集,然后应用PCA算法得到相应的聚类子字典,在重建的过程中引入全变分正则项,以便联系图像局部之间的信息和加强保存重建过程中的图像纹理特征。最后用分步算法求目标函数,重建得到高分辨率图像。大量的仿真实验结果证明,与传统的超分辨率算法相比,新算法能够改善图像结构特征信息,评价指标值也有一定的提高。 相似文献
2.
3.
超分辨率重建技术是指将同一场景拍摄得到的低分辨率图像融合在一起,并去掉模糊和噪声,从而重建出高分辨率图像的技术,是近年来重要的研究领域之一,具有广阔的应用前景。本文详细介绍了超分辨率重建技术的数学模型和解决超分辨率病态问题的方法。通过引入空间域正则化的方法加入到超分辨率的重建过程中,从而大大改善了超分辨率重建算法的稳定性,提高了超分辨率重建的质量和视觉效果。 相似文献
4.
目前.存在大量的车牌定位算法,选择一个好的定位算法成为车牌识别的一个关键问题.文中针对基于投影法的车牌定位算法,在VG平台上对车牌图像进行预处理后,再通过找点和标出矩形即可实现车牌的定位.通过大量的试验得出,本算法可以解决车牌定位时遇到的绝大部分问题,具有较高的研究价值和社会经济效益. 相似文献
5.
针对当前车辆识别算法,由于传统的特征提取车牌识别方法,直接通过图像的灰度特征进行车牌识别,当外界光线不足时,图像灰度特征不明显而不能准确识别相似字符,造成车牌误识别的问题.提出了一种改进的神经网络算法的车牌识别系统.通过建立汉字网络、字母数字网络找出相似字符之间的差异进行识别,实验表明,这种识别算法实现简单,识别准确率高. 相似文献
6.
超分辨率图像重建技术有着深刻的理论内涵,广阔的应用前景。该技术可以针对静止的非压缩图像信号,也可以针对压缩的运动视频信号。而对单帧非压缩图像的重建研究是超分辨率重建技术研究的基础。超分辨率重建主要有凸集投影(POCS)和最大后验概率(MAP)两种方法。在Bayesian框架下对单帧非压缩图像的超分辨率重建方法进行研究分析,为后续研究做好准备工作。 相似文献
7.
超分辨率图像重建技术有着深刻的理论内涵，广阔的应用前景。该技术可以针对静止的非压缩图像信号，也可以针对压缩的运动视频信号。而对单帧非压缩图像的重建研究是超分辨率重建技术研究的基础。超分辨率重建主要有凸集投影（POCS）和最大后验概率（MAP）两种方法。在Bayesian框架下对单帧非压缩图像的超分辨率重建方法进行研究分析，为后续研究做好准备工作。 相似文献
8.
图像的分辨率在图像中是一项及其重要的参数,用于蕴含图像的重要信息。而实际上,可能受多方面环境因素的影响,高分辨率的图像往往不容易采集到。为解决低分辨率图像给采集数据带来的种种问题与影响,人们开始研究超分辨率技术。超分辨率技术是指将拍摄到的低清分辨率的图像使用重建的技术来得到更高清分辨率的图像,从而达到获取图像上更多信息的效果,主要的应用场景有医学影像仪器、监控设备以及卫星图像等。普通意义上的图像超分辨率重建一般是将图像直接放大或者进行缩小,对图像的实际超分辨率重建效果不是很明显。为解决传统超分辨率重建对图像质量改善不大的情况,引入基于神经网络的SRGAN。SRGAN使用生成式对抗网络架构(GAN),~([1])以优化损失函数为目标,生成图像中的某些细节。本文将描述SRGAN在应用中的具体实现过程,通过分析模型中的损失函数以及模型的训练过程,对其重建效果以及产生的问题进行深入探讨。 相似文献
9.
车牌检测(LPD)是车牌识别算法的关键,Gabor滤波被广泛应用在图像分析,模式识别当中。本文对Gabor滤波的理论以及应用方法做了详细叙述,并详细叙述了Gabor滤波在车牌检测中的具体应用方法。实验结果显示,Gabor滤波在图像的预处理中取得了良好的效果,为后续的检测过程提供了很大的方便。 相似文献