發(fā)布時(shí)間：2017-05-06 16:06

  本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建及其視覺改進(jìn)，由筆耕文化傳播整理發(fā)布。

【摘要】：由于超分辨率技術(shù)能夠提供高質(zhì)量圖像,因此它已被廣泛地應(yīng)用于視頻、醫(yī)學(xué)和公安系統(tǒng)等領(lǐng)域。該技術(shù)旨在通過(guò)一系列算法,用一張或多張低分辨率圖像來(lái)重建出一張高分辨率圖像。該方法不但增加了圖像分辨率,還彌補(bǔ)了成本高、不易于實(shí)現(xiàn)等硬件方面的問(wèn)題。本文在提高圖像清晰度方面做出了相關(guān)的研究。本文研究的主要工作為下列3點(diǎn)：(1)基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率技術(shù)：我們采用全前饋的3層的卷積神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行圖像超分辨率重建。它將先進(jìn)行特征提取,再將低分辨率空間通過(guò)非線性映射層映射到高分辨率空間,最后聚合出高分辨率圖像,從而實(shí)現(xiàn)了直接用學(xué)習(xí)的方式完成從低分辨率圖像到高分辨率圖像的端到端映射,并減少了算法前后的優(yōu)化工作。本文通過(guò)實(shí)驗(yàn),就其性能與運(yùn)行速度做了權(quán)衡比較。(2)非銳化掩膜技術(shù)：對(duì)結(jié)果圖進(jìn)行非銳化掩膜處理,以對(duì)其圖像進(jìn)行增強(qiáng)。將重建圖像與該圖的通過(guò)低通濾波后的鈍化模糊圖像做差,以獲得高頻分量。再將高頻分量的圖像放大與重建圖像疊加而產(chǎn)生一個(gè)邊緣增強(qiáng)了的圖像。(3)無(wú)參考圖像評(píng)估標(biāo)準(zhǔn)：現(xiàn)有的超分辨率技術(shù)的圖像評(píng)估標(biāo)準(zhǔn)皆為全參考圖像評(píng)估標(biāo)準(zhǔn)。但實(shí)驗(yàn)表明,它們并不能真實(shí)地反映圖像的質(zhì)量。所以我們?cè)诒菊撐闹性僖隑IQI、NIQE、SSEQ這三種無(wú)參考圖像評(píng)估指標(biāo)。BIQI和SSEQ都是根據(jù)特征先用SVM識(shí)別圖像中的每一種失真類型的概率；再用SVR計(jì)算圖像在每一種失真類型之中對(duì)應(yīng)的質(zhì)量；最后用失真類型概率給對(duì)應(yīng)的圖像質(zhì)量進(jìn)行加權(quán)平均以求得最終圖像質(zhì)量。NIQE則是根據(jù)失真圖像和自然圖像的擬合參數(shù)之間的距離來(lái)衡量圖像的質(zhì)量。綜上所述,本論文介紹了超分辨率重建技術(shù),以引入無(wú)參考圖像評(píng)估標(biāo)準(zhǔn)為突破口進(jìn)行了研究,同時(shí)將非銳化掩膜增強(qiáng)技術(shù)作為后序的人眼視覺效果優(yōu)化。實(shí)驗(yàn)表明,本論文的方法比起近年來(lái)的其他超分辨率技術(shù),它不但有更為輕型結(jié)構(gòu),還有較快的運(yùn)行速度,以及差不多或者更好的重建效果。以及非銳化掩膜圖像增強(qiáng)技術(shù)增強(qiáng)了重建圖像的輪廓,使重建圖的細(xì)節(jié)更清晰,使得重建圖像更符合視覺的要求。但我們做實(shí)驗(yàn)時(shí)發(fā)現(xiàn),當(dāng)待重建圖出現(xiàn)較大噪聲時(shí),我們?nèi)晕茨茌^好地去除噪聲,視覺效果依然有待提高。
【關(guān)鍵詞】：卷積神經(jīng)網(wǎng)絡(luò) 超分辨率 圖像評(píng)估標(biāo)準(zhǔn) 非銳化掩膜
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP183
【目錄】：

• 摘要3-4
• Abstract4-9
• 第一章 緒論9-13
• 1.1 研究背景與意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-12
• 1.3 本文研究?jī)?nèi)容和結(jié)構(gòu)安排12-13
• 第二章 超分辨率重建技術(shù)13-24
• 2.1 超分辨率重建概述13-14
• 2.1.1 超分辨率問(wèn)題的成像原理13
• 2.1.2 超分辨率問(wèn)題的數(shù)學(xué)本質(zhì)13-14
• 2.2 基于插值的超分辨率技術(shù)14-16
• 2.2.1 最鄰近插值14-15
• 2.2.2 雙線性插值15-16
• 2.2.3 雙三次插值16
• 2.3 基于重建的超分辨率技術(shù)16-18
• 2.3.1 凸集投影法17
• 2.3.2 迭代反投影法17
• 2.3.3 最大后驗(yàn)概率估計(jì)法17-18
• 2.4 基于實(shí)例的超分辨率技術(shù)18-23
• 2.4.1 基于鄰域嵌入的超分辨率技術(shù)18-20
• 2.4.2 基于稀疏編碼的超分辨率技術(shù)20-22
• 2.4.3 基于錨定鄰域回歸的超分辨率技術(shù)22-23
• 2.5 本章小結(jié)23-24
• 第三章 圖像質(zhì)量評(píng)估24-36
• 3.1 全參考圖像質(zhì)量評(píng)估24-28
• 3.1.1 峰值信噪比24-25
• 3.1.2 結(jié)構(gòu)相似度25-26
• 3.1.3 特征相似度26-28
• 3.2 常用圖像評(píng)估方式中存在的問(wèn)題28-30
• 3.3 無(wú)參考圖像評(píng)估30-35
• 3.3.1 BIQI算法30-31
• 3.3.2 NIQE算法31-33
• 3.3.3 SSEQ算法33-35
• 3.4 本章小結(jié)35-36
• 第四章 基于卷積神經(jīng)網(wǎng)絡(luò)的超分辨率重建技術(shù)36-58
• 4.1 卷積神經(jīng)網(wǎng)絡(luò)36-42
• 4.1.1 核心思想36-37
• 4.1.2 網(wǎng)絡(luò)結(jié)構(gòu)37-38
• 4.1.3 反向傳播算法38-42
• 4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的超分辨率技術(shù)42-47
• 4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)42-46
• 4.2.2 訓(xùn)練46-47
• 4.3 實(shí)驗(yàn)與結(jié)果分析47-56
• 4.3.1 參數(shù)選擇47-51
• 4.3.2 方法評(píng)估51-56
• 4.3.3 噪聲影響56
• 4.4 本章小結(jié)56-58
• 第五章 非銳化掩膜技術(shù)58-66
• 5.1 非銳化掩膜技術(shù)簡(jiǎn)述58
• 5.2 非銳化掩膜技術(shù)58-60
• 5.2.1 線性非銳化掩膜技術(shù)58-59
• 5.2.2 非線性非銳化掩膜技術(shù)59-60
• 5.3 實(shí)驗(yàn)與結(jié)論60-65
• 5.3.1 線性非銳化掩膜法的實(shí)驗(yàn)結(jié)果60-62
• 5.3.2 非線性非銳化掩膜法的實(shí)驗(yàn)結(jié)果62-64
• 5.3.3 實(shí)驗(yàn)結(jié)論64-65
• 5.4 本章小結(jié)65-66
• 第六章 總結(jié)和展望66-68
• 6.1 總結(jié)66
• 6.2 展望66-68
• 參考文獻(xiàn)68-72
• 致謝72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 趙巖;孟麗茹;王世剛;陳賀新;;符合人眼視覺感知特性的改進(jìn)PSNR評(píng)價(jià)方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2015年01期

2 高立發(fā);杜海清;徐靜濤;;基于自然場(chǎng)景統(tǒng)計(jì)的無(wú)參考圖像質(zhì)量評(píng)價(jià)算法[J];電視技術(shù);2014年01期

3 林瑩;張兆東;劉景夏;張靜;;基于形態(tài)學(xué)梯度的灰度圖像質(zhì)量盲評(píng)價(jià)[J];計(jì)算機(jī)應(yīng)用與軟件;2012年01期

4 蔣剛毅;王旭;楊鈾;郁梅;;基于Contourlet變換的質(zhì)降參考圖像質(zhì)量評(píng)價(jià)模型[J];光電子.激光;2009年12期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 虞濤;基于鄰域嵌入的圖像超分辨率重建研究[D];南京郵電大學(xué);2013年

2 楊志武;基于視覺的圖像質(zhì)量評(píng)價(jià)方法[D];哈爾濱工業(yè)大學(xué);2009年

  本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建及其視覺改進(jìn)，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：348701