跨尺度运动图像的插值、增强与重建PDF格式文档图书下载

第1章 绪论 1

1.1 研究背景与意义 1

1.1.1 运动图像插值研究背景与意义 1

1.1.2 运动图像增强与重建研究背景与意义 2

1.2 国内外研究现状 3

1.2.1 运动图像描述研究现状 3

1.2.2 运动图像插值研究现状 4

1.2.3 运动图像增强研究现状 6

1.2.4 运动图像超分辨率重建研究现状 9

参考文献 11

第2章 运动图像跨尺度描述方法研究 23

2.1 引言 23

2.2 运动图像序列细微运动放大算法的提出 24

2.2.1 SIMM算法研究动机 25

2.2.2 欧拉放大原理 25

2.2.3 SIMM算法描述 26

2.2.4 SIMM算法实验结果与分析 31

2.3 运动图像序列跨尺度描述算法的提出 40

2.3.1 SITD算法研究动机 40

2.3.2 SITD算法描述 40

2.3.3 SITD算法实验结果与分析 42

2.4 本章小结 46

参考文献 47

第3章 基于高斯过程回归与视觉显著性检测的图像插值方法研究 49

3.1 引言 49

3.2 基于高斯过程回归的插值算法的提出 50

3.2.1 EGPR算法研究动机 50

3.2.2 高斯过程回归模型 51

3.2.3 EGPR算法描述 52

3.2.4 EGPR算法实验结果与分析 56

3.3 基于视觉显著性检测的图像插值算法的提出 62

3.3.1 SEGPR算法研究动机 62

3.3.2 SEGPR算法描述 62

3.3.3 SEGPR算法实验结果与分析 64

3.4 本章小结 67

参考文献 67

第4章 基于一致性敏感哈希与区域导向的运动图像序列插值方法研究 71

4.1 引言 71

4.2 基于一致性敏感哈希的帧插值算法的提出 72

4.2.1 CSFI算法研究动机 72

4.2.2 CSFI算法描述 73

4.2.3 CSFI算法实验结果与分析 77

4.3 区域导向运动图像序列插值算法的提出 85

4.3.1 RGSI算法研究动机 85

4.3.2 RGSI算法描述 86

4.3.3 RGSI算法实验结果与分析 88

4.4 本章小结 95

参考文献 95

第5章 基于分区插值的感知驱动运动图像缩放方法研究 97

5.1 引言 97

5.2 基于分区插值的感知驱动运动图像缩放算法的提出 98

5.2.1 IPDR算法研究动机 99

5.2.2 IPDR算法描述 99

5.3 IPDR算法实验结果与分析 102

5.3.1 运动图像缩放结果对比实验 102

5.3.2 标准运动图像缩放结果对比实验 110

5.4 本章小结 111

参考文献 111

第6章 跨尺度自适应运动图像去噪研究 114

6.1 引言 114

6.2 基于尺度相关SURE-LET的跨尺度自适应去噪算法的提出 114

6.2.1 NCTSD算法研究动机 114

6.2.2 含噪图像成像模型 115

6.2.3 无偏风险估计 115

6.2.4 NCTSD算法描述 116

6.2.5 NCTSD算法实验结果及分析 122

6.3 本章小结 131

参考文献 132

第7章 跨尺度自适应运动图像增强研究 133

7.1 引言 133

7.2 基于时空显著性的跨尺度自适应增强（ST-CAE）算法的提出 134

7.2.1 ST-CAE算法研究动机 134

7.2.2 ST-CAE算法描述 134

7.2.3 ST-CAE算法实验结果及分析 140

7.3 基于多尺度变换的运动图像增强（NCTSD）算法的提出 148

7.3.1 非下采样Contourlet变换工具 148

7.3.2 NCTSD算法描述 149

7.3.3 实验结果及分析 151

7.4 本章小结 155

参考文献 156

第8章 基于非局部相似性和显著性检测的跨尺度超分辨率重建研究 157

8.1 引言 157

8.2 基于非局部相似性的超分辨率重建（NL-SR）算法 158

8.3 基于Zernike矩和非局部相似性的跨尺度超分辨率重建（ST-ASR）算法的提出 159

8.3.1 ST-ASR算法研究动机 159

8.3.2 ST-ASR算法描述 160

8.3.3 ST-ASR算法实验结果及分析 167

8.4 基于显著性目标检测的超分辨率重建（STDR）算法的提出 175

8.4.1 STDR算法描述 175

8.4.2 STDR算法实验结果及分析 178

8.5 本章小结 180

参考文献 180

第9章 基于光流估计和模糊配准机制的时空超分辨率重建研究 183

9.1 引言 183

9.2 基于光流估计和模糊配准机制的时空超分辨率重建（STSR）算法的提出 184

9.2.1 STSR算法研究动机 184

9.2.2 STSR算法描述 184

9.3 STSR算法实验结果及分析 190

9.3.1 实验数据集和客观评价指标 190

9.3.2 STSR算法实验结果及分析 191

9.4 本章小结 199

参考文献 199

第10章 基于时空特征和神经网络的视频超分辨率算法研究 202

10.1 引言 202

10.2 基于时空特征与神经网络的视频超分辨率（STCNN）算法的提出 202

10.2.1 时空特征提取和相似性计算 203

10.2.2 基于深度卷积神经网络的关联映射学习 204

10.2.3 基于时空特征的相似性匹配与融合 205

10.2.4 STCNN算法实现步骤 205

10.3 STCNN算法实验结果及分析 205

10.3.1 客观评价指标 206

10.3.2 主观视觉评价 207

10.4 本章小结 209

参考文献 210

第11章 跨尺度运动图像的插值、增强和重建系统 211

11.1 运动图像跨尺度插值模型的实现 211

11.1.1 运动图像跨尺度插值模型的实现 211

11.1.2 MTIM模型实验结果与分析 213

11.2 跨尺度运动图像增强和超分辨率重建系统实现 220

11.2.1 引言 220

11.2.2 DIERS系统总体架构 221

11.2.3 主要功能模块设计与实现 222

11.3 本章小结 225

查看更多关于跨尺度运动图像的插值、增强与重建的内容