數(shù)字圖像的質(zhì)量不僅關(guān)乎圖像視覺效果,更在醫(yī)學(xué)、天文、監(jiān)控偵查等諸多領(lǐng)域發(fā)揮著關(guān)鍵性作用。圖像恢復(fù)技術(shù)的研究旨在消除或者減輕圖像質(zhì)量的退化,是數(shù)字圖像處理與計算機視覺領(lǐng)域的研究熱點問題。圖像先驗信息作為處理圖像恢復(fù)過程中的病態(tài)問題的一個關(guān)鍵因素,其有助于恢復(fù)高質(zhì)量的數(shù)字圖像,在各項低高級視覺任務(wù)中發(fā)揮著至關(guān)重要的作用。而伴隨著深度學(xué)習(xí)領(lǐng)域研究的日益深入,卷積神經(jīng)網(wǎng)絡(luò)以其強大的特征學(xué)習(xí)和特征表達能力博得了國內(nèi)外的廣泛關(guān)注并在圖像恢復(fù)技術(shù)的研究過程中得到了有效應(yīng)用。本論文中,我們在卷積神經(jīng)網(wǎng)絡(luò)和圖像先驗信息的核心理論思想指導(dǎo)下研究了圖像去模糊和圖像超分辨率重建等不同的圖像恢復(fù)任務(wù),研究成果主要包含以下幾個方面:(1)提出基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去模糊算法。我們在殘差網(wǎng)絡(luò)的基礎(chǔ)上進一步增加網(wǎng)絡(luò)通道數(shù),從噪聲觀察中學(xué)習(xí)特征分布以獲取圖像先驗信息,將所學(xué)習(xí)到的網(wǎng)絡(luò)模型插入到迭代優(yōu)化框架中進行求解以最終實現(xiàn)圖像去模糊處理。在所提出的算法中,我們采用了半二次分解法進行優(yōu)化求解。實驗結(jié)果表明,所提出的算法取得了較好的圖像去模糊效果,但仍存在不穩(wěn)定性。(2)提出使用復(fù)合去噪自編碼先驗的圖像超分辨率重建算法。...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 選題背景及研究意義
    1.2 研究現(xiàn)狀及發(fā)展趨勢
    1.3 研究內(nèi)容及章節(jié)安排
第2章 圖像恢復(fù)方法研究基礎(chǔ)
    2.1 圖像退化與其復(fù)原模型
    2.2 圖像先驗信息
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 網(wǎng)絡(luò)基本結(jié)構(gòu)
        2.3.2 反向傳播算法
    2.4 圖像去模糊與圖像超分辨率
        2.4.1 圖像去模糊的研究現(xiàn)狀
        2.4.2 圖像超分辨率研究現(xiàn)狀
    2.5 圖像質(zhì)量評價
        2.5.1 主觀評價方法
        2.5.2 客觀評價方法
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去模糊算法
    3.1 圖像去模糊引言
        3.1.1 圖像去模糊問題定義
        3.1.2 批歸一化和殘差學(xué)習(xí)
    3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像去模糊模型
        3.2.1 學(xué)習(xí)殘差網(wǎng)絡(luò)
        3.2.2 迭代優(yōu)化算法
    3.3 實驗分析
        3.3.1 收斂性能
        3.3.2 參數(shù)分析
        3.3.3 對比實驗
    3.4 本章小結(jié)
第4章 使用復(fù)合去噪自編碼先驗的圖像超分辨率重建
    4.1 圖像超分辨率引言
        4.1.1 超分辨率重建問題定義
        4.1.2 去噪自編碼器
    4.2 基于復(fù)合去噪自編碼先驗的圖像超分辨率算法
        4.2.1 自動編碼先驗
        4.2.2 學(xué)習(xí)復(fù)合去噪自編碼先驗
        4.2.3 使用MDAEP的重建過程
    4.3 實驗分析
        4.3.1 收斂性能
        4.3.2 參數(shù)分析
        4.3.3 運行時間
        4.3.4 對比實驗
    4.4 本章小結(jié)
第5章 結(jié)論與展望
    5.1 本文工作總結(jié)
    5.2 未來研究展望
致謝
參考文獻
攻讀學(xué)位期間的研究成果



本文編號：3857153