選題背景及目的意義圖像作為視覺信息的載體，其本身強(qiáng)大的信息蘊(yùn)含能力能否正確反映客觀事實(shí)對(duì)后續(xù)的理解極其關(guān)鍵，這就對(duì)圖像質(zhì)量有了更高的標(biāo)準(zhǔn)和要求，圖像處理學(xué)科也因此興起。圖像處理又稱影像處理，是指利用計(jì)算機(jī)對(duì)圖像中的信息進(jìn)行提取、分析、表達(dá)和傳輸?shù)鹊囊幌盗羞^程。圖像處理現(xiàn)己存在于人們生活中的方方面面，小到面部識(shí)別、指紋解鎖、掃碼付款、掃碼收款及網(wǎng)絡(luò)聊天表情包等，大到工業(yè)探傷等的安全領(lǐng)域及與醫(yī)療相關(guān)的X光、CT、核磁共振檢查診斷、可視化手術(shù)等。與此同時(shí)，它也在不斷改變著人們的工作和生活方式。人們對(duì)圖像處理的研究依托處理器等硬件性能和軟件開發(fā)水平等的快速發(fā)展也隨之不斷深入，處理效率不斷提高，這幫助人們更加客觀、準(zhǔn)確地認(rèn)識(shí)世界的同時(shí)也極大地提升了人們的生活質(zhì)量。現(xiàn)實(shí)世界中，圖像數(shù)據(jù)大都是以張量模式來表示，比如灰度圖像是一個(gè)二階張量，彩色圖像是一個(gè)三階張量。然而，目前大部分的識(shí)別的學(xué)習(xí)算法都是基于向量模式的，將原本張量模式拉成向量模式并非總是有效，一是使得后期的模型學(xué)習(xí)過程中容易出現(xiàn)“過擬合”、“維度災(zāi)難”和小樣本的問題，二是可能會(huì)破壞了原始數(shù)據(jù)固有的高階結(jié)構(gòu)和內(nèi)在的相關(guān)性，出現(xiàn)信息丟失或者掩蓋了數(shù)據(jù)原本存在高階依賴性，從而無法獲得原始數(shù)據(jù)中潛在的、更有意義的模式表示[3]。這些問題都會(huì)影響到識(shí)別的精度，因此，如何能快速精確的進(jìn)行識(shí)別圖像數(shù)據(jù)成為本文研究的重要內(nèi)容。隨著數(shù)字技術(shù)的進(jìn)步，數(shù)字圖像由于其采集、存儲(chǔ)、傳輸和處理等方面的優(yōu)勢(shì)逐步取代落后的膠卷圖像被廣泛使用。也被廣泛使用于對(duì)圖像質(zhì)量要求較高的應(yīng)用領(lǐng)域，如軍事遙感、公共安全、醫(yī)學(xué)技術(shù)和高清數(shù)字電視等等。1、軍事遙感領(lǐng)域在軍事及遙感領(lǐng)域中，成像系統(tǒng)受到體積、重量、大氣擾動(dòng)和目標(biāo)距離等諸多因素的限制往往難以獲得細(xì)節(jié)豐富的圖像，這很大程度上制約了圖像數(shù)據(jù)的應(yīng)用?，F(xiàn)實(shí)中往往都是對(duì)獲取到的視頻圖像序列利用超分辨率重建技術(shù)放大圖像細(xì)節(jié)，以便災(zāi)情分析、目標(biāo)識(shí)別和目標(biāo)跟蹤等后續(xù)利用。2、公共安全領(lǐng)域在一些公共場(chǎng)所，監(jiān)控?cái)z像頭隨處可見，而受存儲(chǔ)成本和布控成本的限制，監(jiān)控系統(tǒng)能獲取到的往往都是一些壓縮處理后的LR視頻。利用超分辨率重建技術(shù)來獲取到高分辨率圖像，有利于車牌識(shí)別、罪犯監(jiān)控等取得更好的效果。3、醫(yī)學(xué)技術(shù)領(lǐng)域在醫(yī)療成像系統(tǒng)中，常見的醫(yī)學(xué)設(shè)備獲取到的圖像都有分辨率限度。利用超分辨率重建技術(shù)獲取高分辨率的圖像，可以幫助醫(yī)生更準(zhǔn)確地診斷病情。4、高清數(shù)字電視領(lǐng)域近年來高分辨率顯示設(shè)備不斷出現(xiàn)，而高清的片源卻很有限，LR視頻信號(hào)直接在高清電視上顯示視覺效果會(huì)很差。利用超分辨率重建技術(shù)將的普通NTSC視頻信號(hào)或標(biāo)清電視信號(hào)(StandardDefinitionTelevision,SDTV)轉(zhuǎn)換為高清電視信號(hào)(HighDefinitionTelevision,HDTV)，以便在高清電視上呈現(xiàn)更好的視覺體驗(yàn)。研究?jī)?nèi)容及研究方法本文主要分為四個(gè)章節(jié)，具體安排如下：第一章為緒論，討論圖像識(shí)別技術(shù)研究發(fā)展的背景和意義，介紹目前用來進(jìn)行圖像處理識(shí)別的幾種主流的算法，并說明本課題的研究意義和內(nèi)容安排。第二章主要介紹本文所涉及到的一些基礎(chǔ)模型和基本概念，介紹回歸算法的分類，同時(shí)針對(duì)線性回歸算法進(jìn)行了講解和介紹，為接下來實(shí)驗(yàn)及數(shù)據(jù)分析做出理論基礎(chǔ)。第三章，對(duì)本次研究的實(shí)驗(yàn)進(jìn)行闡述，在MATLAB上進(jìn)行圖像的分割處理，然后將原圖轉(zhuǎn)化成灰度圖處理圖像之前，先對(duì)圖像對(duì)比度進(jìn)行增強(qiáng)，后使用線性回歸方程進(jìn)行圖像的處理。第四章為實(shí)驗(yàn)結(jié)果與分析，分析比較前后使用和未使用線性回歸算法處理圖像的異同。本文最后對(duì)研究工作進(jìn)行總結(jié)與展望。研究方法文獻(xiàn)研究法，在論文撰寫之前，通過在圖書館，互聯(lián)網(wǎng)，知網(wǎng)等查閱有關(guān)于線性回歸，回歸算法，圖像處理方法的相關(guān)文獻(xiàn)和期刊資料，為研究的展開提供理論基礎(chǔ)。數(shù)據(jù)分析法：通過計(jì)算處理先后的圖像數(shù)據(jù)，分析比對(duì)線性回歸算法對(duì)于圖像處理的作用和優(yōu)勢(shì)。實(shí)驗(yàn)法：通過利用MATLAB進(jìn)行圖像的處理，直觀的了解算法的優(yōu)勢(shì)和作用。研究工作進(jìn)度安排2019年6月22日-6月25日：開始選題，在實(shí)踐中與指導(dǎo)老師商討，確定畢業(yè)論文題目及寫作方向。2019年6月26日—6月30日：通過查詢資料并結(jié)合寫作方向，完成論文開題報(bào)告。2019年7月1日—8月10日：完成論文初稿，期間在圖書館及網(wǎng)上查閱并參考了大量相關(guān)資料。2019年8月11日—8月25日：完成論文初稿第一次修改。根據(jù)指導(dǎo)老師針對(duì)文章論點(diǎn)、論據(jù)的闡述以及論文邏輯性等方面問題提出的修改意見進(jìn)行修改。2019年8月26日—8月29日：完成論文第二次修改。根據(jù)指導(dǎo)老師針對(duì)論文表述不清晰，論點(diǎn)闡述不夠深入等問題提出的修改意見進(jìn)行修改。2019年8月30日—9月25日：最后一次修改并定稿，準(zhǔn)備論文答辯。參考文獻(xiàn)目錄[1]劉海玲.基于計(jì)算機(jī)視覺算法的圖像處理技術(shù)[J].計(jì)算機(jī)與數(shù)字工程,2019,47(3):672-677.[2]袁斌.基于圖像處理技術(shù)的火災(zāi)識(shí)別方法的應(yīng)用與研究[J].現(xiàn)代電子技術(shù),2018(13).[3]佀君淑.基于PSO的Otsu算法在圖像分割中的應(yīng)用[J].數(shù)碼世界,2017(12).[4]梁斌.試論人工智能算法在圖像處理中的應(yīng)用[J].數(shù)碼世界,2018(9):220-220.[5]楊全海.基于Android平臺(tái)的圖像處理技術(shù)的設(shè)計(jì)與實(shí)現(xiàn)[J].電子設(shè)計(jì)工程,2017,25(01):160-162.[6]楊穎.基于PICO384的圖像處理與跟蹤算法研究[D].2017.[7]王曉燕.K-均值算法與自組織神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)研究及應(yīng)用[D].2017.[8]徐曉琳.面向大規(guī)模數(shù)據(jù)分析與分類的正則化回歸算法[D].2017.[9]王詣,閆志勇.人工神經(jīng)網(wǎng)絡(luò)和圖像處理技術(shù)在葉綠素含量檢測(cè)中的應(yīng)用[J].科技通報(bào),2018(4).[10]雷大江,杜萌,李智星,etal.稀疏多元邏輯回歸問題優(yōu)化算法研究[J].重慶郵電大學(xué)學(xué)報(bào):自然科學(xué)版,2019(3):354-366.[11]余夢(mèng)娜,羅勇,李朋.基于灰度質(zhì)心算法對(duì)低齡人群平面穿鞋足跡進(jìn)行身高分析[J].警察技術(shù),2017(5):61-64.[12]潘正軍,趙蓮芬,王紅勤.邏輯回歸算法在電商大數(shù)據(jù)推薦系統(tǒng)中的應(yīng)用研究[J].電腦知識(shí)與技術(shù),2019(15).[13]邵欣明.基于GPU的圖像處理并行算法分析[J].中小企業(yè)管理與科技,2017(7):71-72.[14]周天馳.基于GPU的圖像處理計(jì)算方法分析[J].科技風(fēng),2017(3):68-68.[15]桑艷艷,李昕.基于改進(jìn)分水嶺算法的菌落圖像分割[J].電子測(cè)量技術(shù),2019(6).[16]吳凱.機(jī)器學(xué)習(xí)在圖像處理中的應(yīng)用與設(shè)計(jì)[J].數(shù)碼世界,2019(3).[17]嚴(yán)靜文.基于雙稀疏優(yōu)化的空域錯(cuò)誤隱藏算法研究[D].2018.[18]JianguoZ,RenqingW,JunyanZ,etal.PartitioningAlgorithmBasedonMaskandImitatedMedianFilteringandItsApplication[J].JournalofUniversityofShanghaiforScienceandTechnology,2017,39(3):295-300.[19]HanJ,MaoK,XuT,etal.ASoilMoistureEstimationFrameworkBasedontheCARTAlgorithmandItsApplicationinChina[J].JournalofHydrology,2018,563.[20]Qing-JiT,HaoW,CongW,etal.Apersonalizedhybridrecommendationstrategybasedonuserbehaviorsanditsapplication[C]//InternationalConferenceonSecurity.IEEE,2018.[21]YiziWU,WeiW,YangH,etal.Gaschromatography-massspectrometrydataanalysisalgorithmbasedonsparsemodelanditsapplicationinresolvingseverelyoverlappedpeaks[J].Sepu=Chinesejournalofchromatography/Zhongguohuaxuehui,2018,36(8):772.[22]ZHANG,Zhenxing,YANG,etal.Antlionoptimizeralgorithmbasedonchaossearchanditsapplication[J].系統(tǒng)工程與電子技術(shù):英文版,2019(2):352-365.[23]DongC,SiZ.ResearchandApplicationofOnlineImageProcessingTechnologyBasedonHTML5[C]//ChinaAcademicConferenceonPrinting&PackagingandMediaTechnology.Springer,Singapore,2017.[24]JiangM,ZhaoC,MoZ,etal.AnimprovedalgorithmbasedonBloomfilteranditsapplicationinbarcoderecognitionandprocessing[J].EURASIPJournalonImageandVideoProcessing,2018,2018(1).[25]YiG,YuZ,LinW.Predictionmodelbasedonimprovedparticleswarmoptimizationalgorithmanalysisanditsapplicationscenariobuilding[C]//InternationalConferenceonCommunication&ElectronicsSystems.IEEE,2017.[26]WeiQ,ChouzenouxE,TourneretJY,etal.Afastalgorithmbasedonasylvester-likeequationforLSregressionwithGMRFprior[C]//2017IEEE7thInternationalWorkshopon