淡江大學機構典藏:Item 987654321/94445
English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 62830/95882 (66%)
造访人次 : 4035348      在线人数 : 839
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜寻范围 查询小技巧：
  • 您可在西文检索词汇前后加上"双引号"，以获取较精准的检索结果
  • 若欲以作者姓名搜寻，建议至进阶搜寻限定作者字段，可获得较完整数据
    •  进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/94445


    题名: 以樣本為基礎之超解析技術
    其它题名: Example-based super resolution technique
    作者: 鐘文德;Chung, Wen-Te
    贡献者: 淡江大學資訊工程學系碩士班
    林慧珍
    关键词: 超解析;鄰居內嵌法;super-resolution;neighbor embedding;PSNR;SSIM
    日期: 2013
    上传时间: 2014-01-23 14:39:19 (UTC+8)
    摘要: 本論文針對Chang et al. 所提之基於鄰居內嵌法的超解析演算法，提出了一個改進的版本。取代Chang et al.採用歐式距離尋找K個最接近之鄰居之方法，我們定義一個相似度Similarity，來尋找K個最相似之鄰居。相似度定義內含有兩區塊內導數的標準差，因而能找出更適當的鄰居。除此，我們也改進線性組合係數的取法，進而有效地改進整個超解析之結果。
    In this paper, we propose an improved version of the neighbor-based super-resolution algorithm proposed by Chang et al.. Different from Chang’s method that uses the Euclidean distance to find the K most nearest neighbors of a low-resolution patch, we define a similarity function and use it to find the K most similar neighbors of a low-resolution patch. In addition, we use a set of different weights for taking a linear combination of the high-resolution patches corresponding to the selected K most nearest neighbors. Although the set of the weights used by Chang minimizes the error they defined, the reconstructed high-resolution images by our method have better PSNR and SSIM than those constructed by Chang’s method.
    显示于类别:[資訊工程學系暨研究所] 學位論文

    文件中的档案:

    档案 大小格式浏览次数
    index.html0KbHTML154检视/开启

    在機構典藏中所有的数据项都受到原著作权保护.

    TAIR相关文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回馈