圖像超分辨率技術(shù)的目的是從低分辨率圖像中重建出對(duì)應(yīng)的高分辨率圖像,使其具有更多的紋理細(xì)節(jié)信息。近年來,深度學(xué)習(xí)技術(shù)被引入圖像超分辨率領(lǐng)域。通過不斷改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),優(yōu)化損失函數(shù),圖像的恢復(fù)效果得到了很好的提升。然而,卷積神經(jīng)網(wǎng)絡(luò)方法仍然存在著諸多問題,包括:單一尺寸的卷積核無法挖掘圖像的多尺度信息、層次特征未得到有效的融合、無法有效地利用圖像先驗(yàn)信息等問題。為此,本文針對(duì)以上問題開展研究,并據(jù)此設(shè)計(jì)有效的圖像超分辨率模型。本文的主要工作如下:(1)卷積神經(jīng)網(wǎng)絡(luò)模型通常采用單一尺寸的卷積核提取圖像特征,但是單一尺寸的卷積核無法有效挖掘圖像的多尺度信息,使得圖像紋理的恢復(fù)效果較差,影響模型整體性能。為此,本文提出了一種多尺度特征融合網(wǎng)絡(luò)。該網(wǎng)絡(luò)在每層并行采用多種尺寸的卷積核,這樣既能有效地?cái)U(kuò)大網(wǎng)絡(luò)的感受野,提高對(duì)于不同紋理細(xì)節(jié)的感知能力,又能有效地解決網(wǎng)絡(luò)過深帶來的訓(xùn)練和收斂困難的問題。我們在4個(gè)公開的測試數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該模型可以有效提高圖像恢復(fù)質(zhì)量。(2)目前圖像超分辨率模型研究很少關(guān)注先驗(yàn)信息對(duì)于圖像恢復(fù)的作用,模型對(duì)于圖像的不同紋理感知能力不足。為此,本文提出了...

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-2MSRN模型結(jié)構(gòu)圖

3基于多尺度特征融合的單幀圖像超分辨率重建研究35圖3-2MSRN模型結(jié)構(gòu)圖Figure3-2MSRNmodelstructurediagram3.3基于多尺度特征融合的單幀圖像超分辨率重建研究受GoogleNet網(wǎng)絡(luò)的啟發(fā)，提出了一種基于多尺度特征融合網(wǎng)絡(luò)的超分辨率重建算法，以....

圖3-3多尺度特征融合網(wǎng)絡(luò)整體結(jié)構(gòu)圖

3基于多尺度特征融合的單幀圖像超分辨率重建研究35圖3-2MSRN模型結(jié)構(gòu)圖Figure3-2MSRNmodelstructurediagram3.3基于多尺度特征融合的單幀圖像超分辨率重建研究受GoogleNet網(wǎng)絡(luò)的啟發(fā)，提出了一種基于多尺度特征融合網(wǎng)絡(luò)的超分辨率重建算法，以....

圖1.1基于插值的圖像超分辨率方法

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文4圖1.1基于插值的圖像超分辨率方法Fig1.1Imagesuper-resolutionmethodbasedoninterpolation通常在圖像進(jìn)行放大操作時(shí)，會(huì)產(chǎn)生新的空像素點(diǎn)，為了得到新像素點(diǎn)的賦值，就必須找到新像素點(diǎn)與原圖像中像素點(diǎn)....

圖1.2基于樣例的圖像超分辨率方法

第一章緒論5相似圖像塊的重建過程。最早提出基于實(shí)例學(xué)習(xí)方法的Ni[8]等人，提出了基于支持向量機(jī)回歸的實(shí)例學(xué)習(xí)方法，首先將樣例學(xué)習(xí)方法引入圖像超分辨率。近年來，分段線性回歸成為研究熱點(diǎn)，Timefte[9]等人提出的錨點(diǎn)領(lǐng)域回歸，通過聚類方法建立低分辨率特征空間中的多個(gè)錨點(diǎn)，在低....

本文編號(hào)：4012266