项目名称: 红外云图超分辨率的稀疏表示理论与算法研究

项目编号: No.61471212

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 符冉迪

作者单位: 宁波大学

项目金额: 80万元

中文摘要: 针对红外云图分辨率低的问题,引入过完备字典及压缩感知等稀疏表示理论与算法,建立一套红外云图超分辨率重建新方法,研究内容集中在四个方面:(1)从红外云图超分辨率重建的本质出发,构造一种有利于表达红外云图结构、形状和纹理信息的过完备字典;(2)从红外云图的特点出发,研究成像系统的退化模型,建立反映红外云图降晰过程的测量矩阵;(3)在压缩感知及凸优化思想指导下,研究图像反问题的迭代收缩算法,实现高效的压缩感知信号重构;(4)在过完备字典稀疏表示及压缩感知框架下,采用快速稳定的重构算法,实现红外云图的超分辨率重建。课题的研究有望突破红外云图分辨率低的瓶颈,提高红外云图在气象业务保障、气候分析和预测等领域的应用水平,而且对于推动图像超分辩率重建、图像理解、稀疏表示等技术的发展也有重要意义。

中文关键词: 红外云图;超分辨率重建;稀疏表示;过完备字典;压缩感知

英文摘要: To deal with the low-resolution problem of infrared cloud images, we propose a new super-resolution approach by introducing a series of sparse representation theory and algorithms, such as the over-complete dictionary and the compressed sensing, etc. The research focuses on the following four aspects: (1) Based on the essence of infrared cloud image super-resolution reconstruction, we construct an over-complete dictionary which is more benificial for expressing the structure, shape and texture information of infrared cloud images; (2) Inspired by the characteristics of the infrared cloud image, we study the degradation model of the imaging system, and build a measurement matrix which can reflect the blurring process of infrared cloud images; (3) By applying compressed sensing and convex optimization, we study the iterative shrinkage algorithm of the image inverse problem and achieve an efficient reconstruction algorithm for compressed sensing; (4) Under the framework of sparse representation theories of over-complete dictionary and compressed sensing, we adopt a fast and stable reconstruction algorithm to achieve super resolution for the infrared cloud images. Through this project, we expect to break through the bottleneck of the low-resolution problem of infrared cloud images, and improve the level of applying the infrared cloud image in the fields such as meteorological service, climate analysis and prediction, etc. Moreover, it is of significant importance in the development of promoting the technology of image super-resolution reconstruction, image understanding, and sparse representation, etc.

英文关键词: Infrared Cloud Image;Super-Resolution Reconstruction;Sparse Representation;Over-complete Dictionary;Compressed Sensing

成为VIP会员查看完整内容
0

相关内容

基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
32+阅读 · 2021年9月29日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
31+阅读 · 2021年2月17日
无参考图像质量评价研究进展
专知会员服务
28+阅读 · 2021年2月14日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
77+阅读 · 2020年12月6日
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
CVPR 2019 | 神奇的超分辨率算法DPSR:应对图像模糊降质
计算机视觉life
16+阅读 · 2019年4月25日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
一文概览基于深度学习的超分辨率重建架构
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
1+阅读 · 2022年4月19日
Max-Margin Contrastive Learning
Arxiv
18+阅读 · 2021年12月21日
小贴士
相关VIP内容
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
专知会员服务
32+阅读 · 2021年9月29日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
31+阅读 · 2021年7月26日
专知会员服务
31+阅读 · 2021年2月17日
无参考图像质量评价研究进展
专知会员服务
28+阅读 · 2021年2月14日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
94+阅读 · 2021年2月6日
专知会员服务
77+阅读 · 2020年12月6日
相关资讯
基于深度学习的超分辨率图像技术一览
极市平台
17+阅读 · 2019年8月24日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
CVPR 2019 | 神奇的超分辨率算法DPSR:应对图像模糊降质
计算机视觉life
16+阅读 · 2019年4月25日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
一文概览基于深度学习的超分辨率重建架构
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员