圖像復(fù)原技術(shù)隨著數(shù)字技術(shù)的發(fā)展,已被廣泛應(yīng)用于多個(gè)領(lǐng)域,是圖像處理領(lǐng)域中一個(gè)重要的研究方向。傳統(tǒng)圖像復(fù)原方法如逆濾波法、維納濾波法、最小二乘法等難以解決函數(shù)逼近問(wèn)題,難以應(yīng)用于復(fù)雜場(chǎng)景。本文主要使用生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)圖像超分辨率重建和圖像修復(fù)兩方面的復(fù)原任務(wù)。圖像超分辨率重建在預(yù)處理時(shí)會(huì)出現(xiàn)丟失部分圖像重要的高頻細(xì)節(jié),重建圖像過(guò)于光滑以及網(wǎng)絡(luò)模型訓(xùn)練不穩(wěn)定等問(wèn)題。圖像修復(fù)過(guò)程中存在受偽像影響、修復(fù)結(jié)果一致性不足、修復(fù)時(shí)間過(guò)長(zhǎng)等問(wèn)題。通過(guò)對(duì)上述問(wèn)題的研究和實(shí)驗(yàn)分析,本文提出的改進(jìn)的單幀圖像超分辨率重建方法和改進(jìn)的基于多尺度特征融合的漸進(jìn)式語(yǔ)義圖像修復(fù)方法在一定程度上提高了圖像復(fù)原的質(zhì)量和效率,主要工作內(nèi)容如下:(1)改進(jìn)基于拉普拉斯金字塔的圖像生成方法,采用基于條件的生成對(duì)抗網(wǎng)絡(luò),在生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)中加入訓(xùn)練數(shù)據(jù)集標(biāo)簽作為輸入條件,對(duì)生成器和判別器訓(xùn)練進(jìn)行邊界約束,在判別網(wǎng)絡(luò)中使用譜范數(shù)正則化,達(dá)到了網(wǎng)絡(luò)生成圖像更加清晰、訓(xùn)練過(guò)程穩(wěn)定且網(wǎng)絡(luò)較快收斂的效果,為后續(xù)進(jìn)行圖像超分辨及圖像修復(fù)的圖像復(fù)原研究打好理論和實(shí)驗(yàn)基礎(chǔ)。(2)提出單幀圖像的耦合生成式對(duì)抗超分辨率重建方法,將耦合生成對(duì)抗網(wǎng)絡(luò)...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 圖像超分辨率重建
        1.2.2 圖像修復(fù)
    1.3 本文主要研究?jī)?nèi)容
    1.4 本文結(jié)構(gòu)安排
第二章 理論基礎(chǔ)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
    2.2 生成對(duì)抗網(wǎng)絡(luò)
        2.2.1 網(wǎng)絡(luò)組成
        2.2.2 目標(biāo)函數(shù)及訓(xùn)練過(guò)程
        2.2.3 優(yōu)勢(shì)和缺陷
    2.3 圖像生成
    2.4 圖像退化/復(fù)原過(guò)程
        2.4.1 圖像退化
        2.4.2 圖像復(fù)原
    2.5 圖像質(zhì)量評(píng)價(jià)
        2.5.1 主觀圖像評(píng)價(jià)
        2.5.2 客觀圖像評(píng)價(jià)
    2.6 本章小結(jié)
第三章 單幀圖像的耦合生成式對(duì)抗超分辨率重建
    3.1 引言
    3.2 相關(guān)概念介紹
        3.2.1 耦合生成對(duì)抗網(wǎng)絡(luò)
        3.2.2 邊界平衡
        3.2.3 相對(duì)判別
    3.3 模型網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.1 總體網(wǎng)絡(luò)架構(gòu)
        3.3.2 損失函數(shù)設(shè)置
    3.4 模塊詳細(xì)介紹
        3.4.1 淺層特征提取模塊
        3.4.2 深層特征提取模塊
        3.4.3 上采樣模塊
    3.5 實(shí)驗(yàn)評(píng)估
        3.5.1 前期實(shí)驗(yàn)準(zhǔn)備
        3.5.2 實(shí)驗(yàn)訓(xùn)練過(guò)程
        3.5.3 實(shí)驗(yàn)結(jié)果與分析
    3.6 本章小結(jié)
第四章 基于多尺度特征融合的漸進(jìn)式語(yǔ)義圖像修復(fù)
    4.1 引言
    4.2 相關(guān)概念介紹
        4.2.1 課程學(xué)習(xí)
        4.2.2 殘差學(xué)習(xí)
        4.2.3 注意力機(jī)制
    4.3 模型網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.1 總體網(wǎng)絡(luò)架構(gòu)
        4.3.2 損失函數(shù)設(shè)置
    4.4 模塊詳細(xì)介紹
        4.4.1 下采樣模塊
        4.4.2 抑制增強(qiáng)模塊
        4.4.3 空洞卷積模塊
        4.4.4 信息流傳輸模塊
        4.4.5 上采樣模塊
    4.5 實(shí)驗(yàn)評(píng)估
        4.5.1 實(shí)驗(yàn)準(zhǔn)備及訓(xùn)練
        4.5.2 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
碩士在讀期間所獲得的成果



本文編號(hào)：3891378