论文部分内容阅读
针对焦炭显微光学组织成分多样性,及传统学习方法处理新样本效果差、计算复杂度高等局限,提出一种新的两步学习图像分辨率提升方法。通过动态改变训练样本和协方差矩阵特征向量,改进传统主成分分量学习算法,获取保持全局特征的高分辨率估计图像。为补充局部细节信息,对图像残差作重叠分块处理,提出基于残差块的加权近邻线性嵌入流形学习算法,实现无特征量提取预测补偿。最后经合成获分辨率提升图像。实验结果验证本文方法较其他方法可获得更高的峰值信噪比和更好的可视化效果,为焦炭显微光学组织成分的分类识别奠定良好基础。