隨著數(shù)字圖像的快速發(fā)展,圖像超分辨率重建算法已被醫(yī)學(xué)診斷、遙感探測(cè)和視頻監(jiān)控等多個(gè)領(lǐng)域所應(yīng)用�；趯W(xué)習(xí)的重建方法可以獲得較好的重建效果,但隨著網(wǎng)絡(luò)深度的增加,基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建算法容易出現(xiàn)梯度消失和網(wǎng)絡(luò)退化等問(wèn)題。本文針對(duì)存在的問(wèn)題,提出了兩種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建算法,具體工作內(nèi)容如下:針對(duì)深度網(wǎng)絡(luò)容易出現(xiàn)梯度消失和網(wǎng)絡(luò)退化現(xiàn)象,提出基于對(duì)稱殘差卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建算法。該算法通過(guò)在網(wǎng)絡(luò)模型中設(shè)置一種對(duì)稱殘差的跳躍連接方式,實(shí)現(xiàn)了殘差塊內(nèi)特征信息共享,增強(qiáng)了網(wǎng)絡(luò)模型對(duì)圖像深層次特征的提取能力,降低了網(wǎng)絡(luò)參數(shù)量。在殘差塊外通過(guò)長(zhǎng)跳連接融合網(wǎng)絡(luò)全局特征,有效降低了梯度消失和網(wǎng)絡(luò)退化現(xiàn)象。實(shí)驗(yàn)結(jié)果表明,該算法在Set5、Set14和BSD100標(biāo)準(zhǔn)數(shù)據(jù)集上進(jìn)行2倍、3倍和4倍采樣因子重建后的結(jié)果優(yōu)于比較算法,峰值信噪比和結(jié)構(gòu)相似度值較比較算法均有提高。針對(duì)遙感圖像的信息較豐富且自相關(guān)性較強(qiáng)的特點(diǎn),提出基于對(duì)稱局部融合塊的遙感圖像超分辨率重建算法。該算法提出了一種基于局部融合塊的卷積神經(jīng)網(wǎng)絡(luò),提高了對(duì)遙感圖像高頻信息重建的效果,并通過(guò)在殘差塊內(nèi)設(shè)置局部融... 

【文章來(lái)源】：天津城建大學(xué)天津市

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文研究的主要內(nèi)容
    1.4 論文章節(jié)安排
    1.5 本章小結(jié)
第2章 超分辨率重建與卷積神經(jīng)網(wǎng)絡(luò)相關(guān)理論
    2.1 圖像退化模型
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.3 SRCNN
    2.4 重建結(jié)果評(píng)價(jià)標(biāo)準(zhǔn)
    2.5 卷積神經(jīng)網(wǎng)絡(luò)軟件平臺(tái)
    2.6 本章小結(jié)
第3章 基于對(duì)稱殘差CNN的圖像超分辨率重建
    3.1 殘差結(jié)構(gòu)
    3.2 基于對(duì)稱殘差CNN的圖像超分辨率重建算法
    3.3 實(shí)驗(yàn)結(jié)果分析
        3.3.1 數(shù)據(jù)集預(yù)處理
        3.3.2 Sym RCN網(wǎng)絡(luò)結(jié)構(gòu)分析
        3.3.3 實(shí)驗(yàn)結(jié)果對(duì)比分析
    3.4 本章小結(jié)
第4章 基于對(duì)稱局部融合塊的遙感圖像超分辨率重建
    4.1 特征融合結(jié)構(gòu)
    4.2 基于對(duì)稱局部融合塊的遙感圖像超分辨率重建算法
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 數(shù)據(jù)集預(yù)處理
        4.3.2 SR-SLFB網(wǎng)絡(luò)結(jié)構(gòu)分析
        4.3.3 實(shí)驗(yàn)結(jié)果對(duì)比分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說(shuō)明
致謝



本文編號(hào)：3112822