文本圖像已成為人們?cè)谌粘Ｉ钪袀鬟f信息的重要載體,圖像的分辨率與清晰度是衡量圖像質(zhì)量的重要指標(biāo)。然而,受到硬件設(shè)施以及一些外部因素的影響,人們經(jīng)常難以獲得清晰的高分辨率文本圖像。為了提高文本圖像的可讀性,同時(shí)幫助后續(xù)的文本檢測(cè)、文字識(shí)別等工作,文本圖像的重建技術(shù)極具意義。近幾年,深度學(xué)習(xí)在圖像的重建任務(wù)中取得了快速的發(fā)展,圖像超分辨率與去模糊作為圖像重建技術(shù)的重要內(nèi)容,它們通常被分開使用,但生活中存在大量低分辨率且多源模糊的圖像�，F(xiàn)有的超分辨率方法大多是為已知的單一降采樣產(chǎn)生的退化圖像設(shè)計(jì)的,當(dāng)輸入圖像具有復(fù)雜模糊時(shí),無法重建清晰的超分辨率圖像。同時(shí),去模糊算法不能擴(kuò)大圖像的空間分辨率,并由于輸入圖像分辨率較低導(dǎo)致重建的圖像缺乏足夠的細(xì)節(jié)信息。因此,本文提出了基于深度學(xué)習(xí)的文本圖像聯(lián)合超分辨率與去模糊方法。本文的主要工作如下:第一,提出了基于雙分支結(jié)構(gòu)的文檔圖像聯(lián)合超分辨率與去模糊方法,該方法將這個(gè)聯(lián)合問題解耦為去模糊分支和超分辨率重建分支,這兩個(gè)分支共享一個(gè)特征提取主干網(wǎng)絡(luò),各網(wǎng)絡(luò)模塊間相互促進(jìn),利用去模糊分支促使特征提取網(wǎng)絡(luò)生成更多具有高頻信息的特征圖,以此來提升超分辨率分支中重建... 

【文章來源】：天津師范大學(xué)天津市

【文章頁數(shù)】：51 頁

【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 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 圖像重建方法概述
    2.1 圖像超分辨率
        2.1.1 基于插值的超分辨率方法
        2.1.2 基于重建的超分辨率方法
        2.1.3 基于學(xué)習(xí)的超分辨率方法
    2.2 圖像去模糊
        2.2.1 傳統(tǒng)的圖像去模糊方法
        2.2.2 基于深度學(xué)習(xí)的圖像去模糊方法
    2.3 本章小結(jié)
第三章 基于雙分支結(jié)構(gòu)的文檔圖像聯(lián)合超分辨率與去模糊方法
    3.1 引言
    3.2 基于雙分支結(jié)構(gòu)的超分辨率與去模糊網(wǎng)絡(luò)
        3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 損失函數(shù)
    3.3 實(shí)驗(yàn)
        3.3.1 數(shù)據(jù)集
        3.3.2 網(wǎng)絡(luò)訓(xùn)練與參數(shù)設(shè)置
        3.3.3 評(píng)價(jià)指標(biāo)
        3.3.4 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
第四章 基于生成對(duì)抗網(wǎng)絡(luò)的場景文本圖像聯(lián)合超分辨率與去模糊方法
    4.1 引言
    4.2 基于生成對(duì)抗網(wǎng)絡(luò)的超分辨率與去模糊算法
        4.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 損失函數(shù)
    4.3 實(shí)驗(yàn)
        4.3.1 數(shù)據(jù)集
        4.3.2 網(wǎng)絡(luò)訓(xùn)練細(xì)節(jié)
        4.3.3 評(píng)價(jià)指標(biāo)
        4.3.4 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 未來研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間論文發(fā)表情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于生成對(duì)抗網(wǎng)絡(luò)的運(yùn)動(dòng)模糊圖像復(fù)原[J]. 桑亮,高爽,尹增山.  計(jì)算機(jī)工程與應(yīng)用. 2019(06)
[2]基于深度學(xué)習(xí)的圖像超分辨率復(fù)原研究進(jìn)展[J]. 孫旭,李曉光,李嘉鋒,卓力.  自動(dòng)化學(xué)報(bào). 2017(05)
[3]約束最小二乘法實(shí)現(xiàn)退化圖像復(fù)原[J]. 李曼.  電腦知識(shí)與技術(shù). 2015(26)
[4]自適應(yīng)鄰域選取的鄰域嵌入超分辨率重建算法[J]. 曹明明,干宗良,陳杰,崔子冠,朱秀昌.  信號(hào)處理. 2015(01)
[5]基于Lucy-Richardson算法的圖像復(fù)原[J]. 閆河,閆衛(wèi)軍,李唯唯.  計(jì)算機(jī)工程. 2010(15)
[6]圖像處理中維納濾波器的推廣與應(yīng)用[J]. 郭水霞,唐擁軍.  計(jì)算機(jī)工程與應(yīng)用. 2008(14)



本文編號(hào)：3157474