圖像模糊會(huì)導(dǎo)致關(guān)鍵信息的丟失,如車(chē)牌、軍事目標(biāo)、犯罪嫌疑人等。而隨著深度學(xué)習(xí)和硬件設(shè)備的發(fā)展,基于深度學(xué)習(xí)的算法在高層次圖像處理任務(wù)中均取得了非常好的效果,但是在底層圖像處理任務(wù),如圖像去模糊中,仍然存在很多問(wèn)題。本文主要針對(duì)現(xiàn)有質(zhì)量評(píng)價(jià)算法無(wú)法對(duì)圖像復(fù)原算法進(jìn)行指導(dǎo),以及基于深度學(xué)習(xí)的圖像復(fù)原算法無(wú)法利用真實(shí)模糊數(shù)據(jù)進(jìn)行訓(xùn)練的問(wèn)題,研究了基于深度學(xué)習(xí)的圖像復(fù)原和質(zhì)量評(píng)估算法,及利用質(zhì)量評(píng)估算法對(duì)圖像復(fù)原算法進(jìn)行優(yōu)化,并研究了利用真實(shí)數(shù)據(jù)訓(xùn)練基于深度學(xué)習(xí)的圖像復(fù)原網(wǎng)絡(luò),以提高真實(shí)模糊圖像復(fù)原效果的方法。首先,針對(duì)復(fù)原算法對(duì)實(shí)時(shí)性的要求,設(shè)計(jì)了一個(gè)端到端的多尺度圖像復(fù)原網(wǎng)絡(luò)。復(fù)原網(wǎng)絡(luò)分別估計(jì)多個(gè)尺度下清晰圖像與模糊圖像的殘差,與其它基于深度學(xué)習(xí)的算法相比本文所設(shè)計(jì)算法是在去除上一尺度下所估計(jì)誤差的基礎(chǔ)上,再對(duì)下一個(gè)尺度下誤差進(jìn)行估計(jì),以提供網(wǎng)絡(luò)處理不同尺度模糊的能力。其次,針對(duì)MSE損失函數(shù)易導(dǎo)致復(fù)原結(jié)果模糊的問(wèn)題,將常用圖像評(píng)價(jià)指標(biāo)與基于深度學(xué)習(xí)的圖像復(fù)原網(wǎng)絡(luò)損失函數(shù)進(jìn)行改進(jìn),提高了圖像復(fù)原效果。對(duì)傳統(tǒng)圖像質(zhì)量評(píng)價(jià)算法SSIM無(wú)法很好的與基于深度學(xué)習(xí)的圖像復(fù)原網(wǎng)絡(luò)進(jìn)行結(jié)合的問(wèn)題,論文重... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

模糊數(shù)據(jù)集

2）采用多尺度復(fù)原的設(shè)計(jì)，可以將圖像縮放到不同的尺度進(jìn)行處理，在縮小圖像幅值后我們可以將較大模糊核縮小，進(jìn)而減小網(wǎng)絡(luò)的深度，從而進(jìn)一步提高其運(yùn)行速度；3）對(duì)于不同尺度下處理后圖像的結(jié)合問(wèn)題，我們采用了將小尺度下估計(jì)出的殘差進(jìn)行相加，然后與原始尺度下模糊圖像相加，并在原始尺度下進(jìn)一步去模糊的方法，該方法在保證各個(gè)尺度下殘差合理利用的同時(shí)，最大程度上保留原始圖像信息；4）由于圖像去模糊本身是一個(gè)去卷積的過(guò)程，同時(shí)考慮到我們的網(wǎng)絡(luò)需要處理不同圖幅的圖像，我們采用全卷積網(wǎng)絡(luò)作為我們的圖像去模糊網(wǎng)絡(luò)。綜上，我們?cè)O(shè)計(jì)了如圖 2-2 所示的多尺度去模糊網(wǎng)絡(luò)，網(wǎng)絡(luò)能夠估計(jì) 1、1/2 和 1/4 三個(gè)尺度下的模糊殘差，并依次將其去除。本文所設(shè)計(jì)網(wǎng)絡(luò)采用逐尺度去除模糊的方法，在去除小尺度下的模糊后再估計(jì)下一個(gè)尺度下的誤差并進(jìn)行去除，例如在估計(jì)出 1/4 誤差后，采用雙三次差值算法對(duì)殘差進(jìn)行插值，并將其與 1/2 尺度下模糊圖像相加后，再對(duì) 1/2 尺度圖像進(jìn)行模糊估計(jì)及去除處理。網(wǎng)絡(luò)結(jié)構(gòu)如圖 2-2 所示。

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文清晰圖像，X 為模糊圖像，其下標(biāo)為對(duì)應(yīng)的尺度信息；標(biāo)為圖像對(duì)應(yīng)尺度下的殘差估計(jì)網(wǎng)絡(luò)。糊網(wǎng)絡(luò)的搭建及訓(xùn)練 TensorFlow 框架下搭建網(wǎng)絡(luò)，利用一塊 GTX 1080Ti 在網(wǎng)絡(luò)訓(xùn)練過(guò)程中我們所采用激活函數(shù)為 Tanh 函數(shù)，學(xué)習(xí)率為 0.01，每訓(xùn)練 12 個(gè)小時(shí)學(xué)習(xí)率乘 0.75。

【參考文獻(xiàn)】：
期刊論文
[1]無(wú)參考模糊圖像質(zhì)量評(píng)價(jià)改進(jìn)算法[J]. 李鴻林,張琦,楊大偉.  計(jì)算機(jī)應(yīng)用. 2014(03)
[2]紅外模糊圖像的無(wú)參考質(zhì)量評(píng)價(jià)方法[J]. 杜少波,章沖,王超,梁曉彬,孫士保.  計(jì)算機(jī)應(yīng)用. 2013(08)
[3]基于維納濾波的圖像復(fù)原[J]. 金飛,張彬,司璇,袁叢鑫.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(04)
[4]基于對(duì)比度敏感度的無(wú)參考圖像清晰度評(píng)價(jià)[J]. 范媛媛,沈湘衡,桑英軍.  光學(xué)精密工程. 2011(10)
[5]一種針對(duì)圖像模糊的無(wú)參考質(zhì)量評(píng)價(jià)指標(biāo)[J]. 謝小甫,周進(jìn),吳欽章.  計(jì)算機(jī)應(yīng)用. 2010(04)

博士論文
[1]非均勻模糊圖像復(fù)原方法研究[D]. 鄧紅.哈爾濱工業(yè)大學(xué) 2016



本文編號(hào)：2945763