半調(diào)技術(shù)將連續(xù)色調(diào)圖像轉(zhuǎn)換為二值圖像,廣泛應(yīng)用于印刷業(yè)。逆半調(diào)將二值圖像轉(zhuǎn)換為連續(xù)色調(diào)圖像,不僅減少圖像中的半色調(diào)圖案,還提供良好的細節(jié)和清晰的邊緣,逆半調(diào)算法應(yīng)用廣泛。逆半調(diào)是一個不適定問題,逆半調(diào)算法研究是挑戰(zhàn)性與前景并存的研究課題。深度學(xué)習發(fā)展迅速,越來越多性能優(yōu)異的基于深度學(xué)習圖像處理算法被提出,本文基于深度學(xué)習對逆半調(diào)問題進行求解,提出兩種圖像逆半調(diào)算法。生成對抗網(wǎng)絡(luò)通過對抗過程訓(xùn)練生成模型,本文提出兩種基于有監(jiān)督GAN的改進圖像逆半調(diào)算法。（1）結(jié)合稠密卷積神經(jīng)網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)的優(yōu)點,提出結(jié)合緊密連接模塊和有監(jiān)督GAN的圖像逆半調(diào)方法,促進特征信息在網(wǎng)絡(luò)中的傳播,加強特征重用,減少參數(shù)數(shù)量,實現(xiàn)特征提取,提取豐富的特征信息;（2）結(jié)合經(jīng)典殘差網(wǎng)絡(luò)和生成對抗網(wǎng)絡(luò)的優(yōu)點,提出結(jié)合殘差學(xué)習和有監(jiān)督GAN的逆半調(diào)算法,生成器中包含若干殘差塊,殘差塊中的跳躍連接能緩解梯度消失現(xiàn)象,提升了網(wǎng)絡(luò)提取特征的能力,更好地完成圖像重建任務(wù),結(jié)合殘差模塊的有監(jiān)督GAN擅長進行特征提取。實驗分別在誤差分散半調(diào)圖像和有序抖動半調(diào)圖像上展開,實驗結(jié)果表明本文提出的2個改進算法表現(xiàn)良好并且提高了逆半調(diào)... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【部分圖文】：

_1常見的誤差分散核

西安電子科技大學(xué)碩士學(xué)位論文卷積網(wǎng)絡(luò)采用的是局部連接模式[42]，卷積網(wǎng)絡(luò)采用的權(quán)值共享減少了訓(xùn)練 2.12 所示，左邊是全連接模式，右邊是局部連接模式。假定圖片大小規(guī)格0，隱藏層的神經(jīng)元個數(shù)為 103時，全連接模式下，訓(xùn)練參數(shù)個數(shù)為 102× 107。如圖 2.12 所示的局部連接模式下，假定 Filter size 為 3×3，需要訓(xùn)數(shù)為 103×3×3 = 9000，與全連接模式相比參數(shù)量大大減少。卷積層的輸出常為維度很大的特征，池化層（Pooling layer）將特征切成于相鄰像素往往在語義上是相關(guān)的，可以取區(qū)域的最大值或平均值，得的特征。最大池化（max-pooling）輸出當前池化窗口中元素的最大值，均an-pooling）輸出當前池化窗口中元素的平均值，圖 2.13 展示了池化的池化操作可以看成數(shù)據(jù)降維。

1Set12擔l{試集

【參考文獻】：
期刊論文
[1]圖像半色調(diào)技術(shù)及其進展[J]. 王廷婷.  印刷質(zhì)量與標準化. 2010(02)
[2]基于PSNR與SSIM聯(lián)合的圖像質(zhì)量評價模型[J]. 佟雨兵,張其善,祁云平.  中國圖象圖形學(xué)報. 2006(12)
[3]淺談數(shù)字半色調(diào)圖像水印技術(shù)[J]. 謝丁龍,李偉.  開封大學(xué)學(xué)報. 2006(02)
[4]一種高效的逆半調(diào)算法[J]. 張洪剛,周利華.  計算機工程與應(yīng)用. 2003(26)

博士論文
[1]圖像逆半調(diào)及其質(zhì)量評價技術(shù)研究[D]. 孔月萍.西安電子科技大學(xué) 2008
[2]圖像逆半調(diào)及硬拷貝數(shù)字水印技術(shù)研究[D]. 鄭海紅.西安電子科技大學(xué) 2006

碩士論文
[1]掃描輸入圖像的逆半調(diào)方法研究[D]. 宋琳.西安建筑科技大學(xué) 2009
[2]掃描圖像逆半調(diào)恢復(fù)研究[D]. 王娜.西安電子科技大學(xué) 2008



本文編號：2907328