圖像超分辨率重建（Super-Resolution Image Reconstruction,SRIR 或 SR）是計算機視覺（ComputerVision）和圖像處理（Image Processing）的重要分支之一,具有極為廣泛的應(yīng)用價值。傳統(tǒng)的圖像超分辨率重建方法存在算法效率低、細(xì)節(jié)模糊丟失、重建圖像質(zhì)量差等問題,已無法滿足人類對于高質(zhì)量圖像的要求�；谏疃葘W(xué)習(xí)的方法在重建高分辨率圖像領(lǐng)域比傳統(tǒng)方法更加高效,恢復(fù)圖像的質(zhì)量更高。但是,基于深度學(xué)習(xí)的重建方法仍然存在網(wǎng)絡(luò)模型不穩(wěn)定、高頻信息處理模糊等問題。近年來,基于生成對抗網(wǎng)絡(luò)的圖像超分辨率算法取得了良好的重建效果。本文對生成對抗網(wǎng)絡(luò)進行了深入研究,提出了兩種改進的生成對抗網(wǎng)絡(luò)的圖像超分辨率方法。本文的主要內(nèi)容如下:（1）首先概述了圖像超分辨率重建的研究背景,以及傳統(tǒng)的圖像超分辨重建技術(shù)的理論基礎(chǔ),包括基于插值、基于重建和基于學(xué)習(xí)的方法,并對比分析了這些方法的優(yōu)勢以及弊端。其次,綜述一些已有的基于深度學(xué)習(xí)的圖像超分辨率重建方法,著重介紹了基于生成對抗網(wǎng)絡(luò)的重建方法。（2）提出了基于SRGAN模型的改進方法——SRCGAN（Supe... 

【文章來源】：青島大學(xué)山東省

【文章頁數(shù)】：77 頁

【學(xué)位級別】：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 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)的圖像超分辨率重建方法
        1.2.2 基于深度學(xué)習(xí)的圖像超分辨率重建研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 圖像超分辨率重建的理論基礎(chǔ)及相關(guān)技術(shù)
    2.1 圖像超分辨率重建的基礎(chǔ)理論
        2.1.1 圖像超分辨率概念
        2.1.2 圖像超分辨率退化模型
    2.2 圖像超分辨率重建的分類
        2.2.1 基于插值的SR重建方法
        2.2.2 基于重建的SR重建方法
        2.2.3 基于學(xué)習(xí)的SR重建方法
    2.3 基于生成對抗網(wǎng)絡(luò)的圖像超分辨率重建方法
        2.3.1 GAN理論概述
        2.3.2 生成對抗網(wǎng)絡(luò)的數(shù)學(xué)描述及最優(yōu)化問題表達(dá)
        2.3.3 生成對抗網(wǎng)絡(luò)的訓(xùn)練過程及優(yōu)缺點
    2.4 本章小結(jié)
第三章 基于SRGAN的圖像超分辨率重建算法的改進
    3.1 生成對抗網(wǎng)絡(luò)的衍生模型
        3.1.1 條件生成對抗網(wǎng)絡(luò)（CGAN）
        3.1.2 PatchGAN
    3.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        3.2.1 SRGAN網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 改進的網(wǎng)絡(luò)模型——SRCGAN
    3.3 實驗設(shè)計及結(jié)果分析
        3.3.1 數(shù)據(jù)選擇及實驗設(shè)置
        3.3.2 評價標(biāo)準(zhǔn)
        3.3.3 實驗描述
        3.3.4 實驗結(jié)果
    3.4 本章小結(jié)
第四章 基于多尺度GAN的圖像超分辨率重建的算法
    4.1 LapSRN的網(wǎng)絡(luò)模型
        4.1.1 Laplacian Pyramid算法概述
        4.1.2 LapSRN 網(wǎng)絡(luò)概述
        4.1.3 LapGAN 網(wǎng)絡(luò)概述
    4.2 改進的多尺度超分辨率圖像重建網(wǎng)絡(luò)模型設(shè)計
        4.2.1 多尺度重建的拉普拉斯金字塔網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        4.2.2 生成器G網(wǎng)絡(luò)設(shè)計
        4.2.3 判別器D網(wǎng)絡(luò)設(shè)計
    4.3 損失函數(shù)
        4.3.1 內(nèi)容損失函數(shù)
        4.3.2 對抗損失函數(shù)
    4.4 實驗設(shè)計及結(jié)果分析
        4.4.1 數(shù)據(jù)集簡介
        4.4.2 實驗描述
        4.4.3 圖像客觀評價分析
        4.4.4 圖像主觀評價分析
    4.5 本章小結(jié)
第五章 結(jié)論與展望
    5.1 全文總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]融合感知損失的生成式對抗超分辨率算法[J]. 楊娟,李文靜,汪榮貴,薛麗霞.  中國圖象圖形學(xué)報. 2019(08)
[2]基于K-L散度和散度均值的改進矩陣CFAR檢測器[J]. 趙興剛,王首勇.  中國科學(xué):信息科學(xué). 2017(02)
[3]高性能探測成像與識別的研究進展及展望[J]. 王雪松,戴瓊海,焦李成,洪文,徐立軍,邢孟道,馮德軍,陳思偉,代大海.  中國科學(xué):信息科學(xué). 2016(09)
[4]遙感圖像超分辨率研究的現(xiàn)狀和發(fā)展[J]. 吳瓊,田越,周春平,宮輝力,李小娟,趙文吉.  測繪科學(xué). 2008(06)

博士論文
[1]單幅圖像超分辨率重建方法及其視覺位移測量應(yīng)用研究[D]. 魏燁.中國科學(xué)技術(shù)大學(xué) 2019
[2]基于學(xué)習(xí)的圖像超分辨率重建方法研究[D]. 岳波.西安電子科技大學(xué) 2018



本文編號：3039979