發(fā)布時間：2021-10-25 10:21

　　隨著時代的不斷發(fā)展進(jìn)步,深度學(xué)習(xí)理論和應(yīng)用取得了令人矚目的突破,特別是在計(jì)算機(jī)視覺領(lǐng)域。圖像超分辨率重建技術(shù)一直以來都是計(jì)算機(jī)視覺領(lǐng)域的熱點(diǎn)問題。超分辨率重建技術(shù)是指在保持圖像特有結(jié)構(gòu)信息的條件下,將低分辨率的圖像轉(zhuǎn)換為更高質(zhì)量的高分辨率的圖像。圖像超分辨率重建的算法可分為傳統(tǒng)重建算法和基于深度學(xué)習(xí)的重建算法�；谏疃葘W(xué)習(xí)的重建算法比傳統(tǒng)方法效果更好。而基于深度學(xué)習(xí)的超分辨率重建算法雖然能取得較好的結(jié)果,但通常計(jì)算復(fù)雜,模型參數(shù)量大,存在大量冗余,不利于移動設(shè)備上的實(shí)現(xiàn)。為了得到便于在移動終端實(shí)現(xiàn)的深度學(xué)習(xí)超分辨率重建算法,本文以深度學(xué)習(xí)技術(shù)為基礎(chǔ)對超分辨重建算法進(jìn)行了深度學(xué)習(xí)權(quán)重量化,并基于安卓平臺設(shè)計(jì)了相應(yīng)的超分辨率重建APP,主要內(nèi)容如下:（1）本文詳細(xì)研究了超分辨率重建的算法及其性能。通過調(diào)研近幾年深度學(xué)習(xí)理論和技術(shù),尤其是深度學(xué)習(xí)在超分辨率重建領(lǐng)域的應(yīng)用,從前人的工作中獲取靈感取長補(bǔ)短,本文新的超分辨率重建算法是基于這些從前的算法提出的。（2）為了得到大量的訓(xùn)練集,本文從行車記錄儀中得到大量超清車載圖像和降采樣、加噪后的標(biāo)清圖像作為深度學(xué)習(xí)的訓(xùn)練集,并通過裁剪、旋轉(zhuǎn)、翻折等方... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

觀測模型系統(tǒng)[36]

華南理工大學(xué)碩士學(xué)位論文82.2.3結(jié)構(gòu)相似度均方誤差和結(jié)構(gòu)相似態(tài)度都是比較圖像對應(yīng)位置灰度的差異，沒有考慮到像素與像素之間的聯(lián)系，他們作為評估指標(biāo)存在一定的局限性。在人眼視覺系統(tǒng)中，對圖像的結(jié)構(gòu)信息更加敏感。因此研究人員提出了結(jié)構(gòu)相似度(StructuralSimilarityIndex,SSIM)[37]來衡量原始圖像與重建后圖像在結(jié)構(gòu)上的關(guān)聯(lián)程度。該方法從亮度、對比度和結(jié)構(gòu)信息三個方面對比了圖像之間的相似性。圖2-2SSIM計(jì)算流程[37]從上圖可以清晰看到SSIM的計(jì)算體系，他們可以用如下公式表示：12212),(CuuCuuYXLYYYX（2-4）22222),(CCYXCYXYX（2-5）33),(CCYXSYXXY（2-6）其中YXL),(為亮度比較，YXC),(為對比度比較，YXS),(為結(jié)構(gòu)比較X與Y分別表示重建后的圖像與真實(shí)圖像的均值，X與Y分別表示重建圖像與真實(shí)圖像的方差，XY表示重建圖像與真實(shí)圖像的協(xié)方差，1C、2C和3C均為常數(shù)，防止公式中的分母為0。SSIM的計(jì)算公式見（2-7）：YXSYXCYXLYXSSIM)],([)],([)],([),(（2-7）

華南理工大學(xué)碩士學(xué)位論文102.3基于插值的重建方法圖像超分辨率重建最常見方法是使用基于函數(shù)或插值內(nèi)核的插值方法。如最近鄰插值、雙線性插值以及雙三次插值(BicubicInterpolation)[40-42]。因?yàn)檫@些算法計(jì)算簡單且重建速率相對較快，具有很高的應(yīng)用價值。如今大多數(shù)圖像處理函數(shù)庫和軟件都封裝了這些方法。這些基于插值的算法都是線性的算法，因此對圖像中平滑、邊緣等不同區(qū)域都采用相同的方法進(jìn)行插值，因此在細(xì)節(jié)上會出現(xiàn)模糊，難以滿足高清圖像所需要的視覺效果。2.3.1最近鄰插值最近鄰插值是一種極為簡單的算法，該方法不需要進(jìn)行復(fù)雜計(jì)算。在待求像素的四個相鄰像素中，將距離待求區(qū)域最近的領(lǐng)域的值賦給它，其過程如圖2-3所示，如果點(diǎn)(i+u,j+v)落在A區(qū)域，則將左上角的值賦值給這個點(diǎn)，因?yàn)榫嚯xA區(qū)域最近的像素點(diǎn)是左上角的點(diǎn)，同理對于其他區(qū)域的值也是相同的處理方式。從這個過程可以看出最近鄰插值算法計(jì)算簡單，這也導(dǎo)致該算法重建出來的圖像效果一般，會出現(xiàn)明顯的模糊。圖2-3最近鄰插值算法[40]2.3.2雙線性插值雙線性插值其核心思想是在兩個方向分別進(jìn)行插值，相對于最近領(lǐng)插值，算法在確定某一個點(diǎn)時考慮了該點(diǎn)周圍4個領(lǐng)域的值，并根據(jù)距離對周圍的像素的值進(jìn)行加權(quán)，所以其計(jì)算相比最近鄰插值復(fù)雜，重建后得到的圖像也更加清晰。如下圖2-4所示：為了得到y(tǒng)xP),(的值，算法需要考察),(1111yxQ,),(2112yxQ,),(1221yxQ,),(2222yxQ的值。雙線性插值用公式見（2-12）：

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)殘差塊和對抗損失的GAN圖像超分辨率重建[J]. 張楊憶,林泓,管鈺華,劉春.  哈爾濱工業(yè)大學(xué)學(xué)報. 2019(11)
[2]基于深度學(xué)習(xí)的單幅圖片超分辨率重構(gòu)研究進(jìn)展[J]. 張寧,王永成,張欣,徐東東.  自動化學(xué)報. 2020(12)
[3]智能駕駛技術(shù)研究的重要進(jìn)展[J]. 蔡自興.  機(jī)器人技術(shù)與應(yīng)用. 2019(03)
[4]基于深度跳躍級聯(lián)的圖像超分辨率重建[J]. 袁昆鵬,席志紅.  光學(xué)學(xué)報. 2019(07)
[5]基于反卷積特征學(xué)習(xí)的圖像語義分割算法[J]. 鄭菲,孟朝暉,郭闖世.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(01)
[6]基于深度超分辨率重建的監(jiān)控圖像人臉識別[J]. 朱海,王國中,范濤,楊露.  電子測量技術(shù). 2018(16)
[7]實(shí)現(xiàn)圖像縮放功能的Matlab插值算法研究與比較[J]. 丁雪晶.  湖北大學(xué)學(xué)報(自然科學(xué)版). 2018(04)
[8]結(jié)合暗通道先驗(yàn)的單幅圖像快速去霧算法[J]. 劉杰平,楊業(yè)長,韋崗.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[9]基于非局部自回歸學(xué)習(xí)的醫(yī)學(xué)圖像超分辨重建方法[J]. 徐軍,劉慧,尹義龍.  模式識別與人工智能. 2017(08)
[10]采用雙線性插值收縮的圖像修復(fù)方法[J]. 王昊京,王建立,王鳴浩,陰玉梅.  光學(xué)精密工程. 2010(05)

碩士論文
[1]基于多類特征和深度學(xué)習(xí)的Android惡意應(yīng)用檢測系統(tǒng)[D]. 秦曉霞.中國科學(xué)技術(shù)大學(xué) 2019



本文編號：3457202