如今,圖像與人們的生活息息相關(guān)。圖像已經(jīng)成為人們記錄信息的主要工具之一。高質(zhì)量的圖像能夠記載豐富的信息,而圖像的分辨率則直接影響圖像的質(zhì)量,高分辨率的圖像能夠方便人們更加精準(zhǔn)地記錄和提取信息。如何讓成像設(shè)備獲得高分辨率的圖片,是當(dāng)今面臨的一大挑戰(zhàn),需要硬件和軟件的共同協(xié)作才能達到最好的效果,超分辨率重建就是通過軟件的方式來提高圖像的分辨率。在深度學(xué)習(xí)極速發(fā)展的今天,基于深度學(xué)習(xí)的圖像超分辨率重建也在迅速發(fā)展與演變。圖像超分辨率重建指通過算法從低分辨率圖像中生成高分辨率圖像,并盡可能地恢復(fù)出清晰的紋理和細(xì)節(jié)。深度學(xué)習(xí)方法也廣泛應(yīng)用于圖像超分辨率重建中,在重建效果上取得顯著成效,但是在真實圖像與重建圖像之間仍然存在很大差異。一些減少圖像失真的算法使得重建圖像過于平滑,缺少高頻細(xì)節(jié),不符合人的視覺感知。因此一些致力于提高圖像感知的算法被提出,這些算法能夠恢復(fù)出紋理更加清晰的圖像�；谏蓪咕W(wǎng)絡(luò)的算法能夠顯著提高重建圖像的感知質(zhì)量,ESRGAN就是以提高圖像感知質(zhì)量為目的的算法,但是這類算法重建圖像質(zhì)量較低,存在大量噪聲偽影,與原始圖像并不相符,本文針對這類問題在ESRGAN的基礎(chǔ)上提出改進... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：55 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖像超分辨率重建效果

第1章緒論34.視頻監(jiān)控，提高公共安全、協(xié)助破案等視頻監(jiān)控系統(tǒng)是防護安全系統(tǒng)最重要的一部分，在公共領(lǐng)域和民用領(lǐng)域都被普及。拍攝畫面清晰度直接影響視頻質(zhì)量，清晰的畫面能夠有效幫助公安人員提供信息，協(xié)助破案，提高公共安全。5.深度圖超分辨率重建深度圖記錄了視點與場景中的對象之間的深度（即距離），并在許多任務(wù)中扮演重要角色，例如姿勢估計[6,7]和語義分割[8]。然而，由于經(jīng)濟和生產(chǎn)的限制，由深度傳感器產(chǎn)生的深度圖通常是低分辨率的，并且受到諸如噪聲、量化和缺失值之類的劣化影響。因此引入超分辨率以增加深度圖的空間分辨率是十分必要的。1.2圖像超分辨率重建面臨的挑戰(zhàn)圖像超分辨率主要目的是將低分辨率（LowResolution,LR）圖片映射為高分辨率圖片(HighResolution,HR)，使得人們能夠從原始的低分辨率圖片精準(zhǔn)地捕捉到圖片的內(nèi)容和信息。在成像過程中各種噪聲、場景運動、模糊等太多的因素會引起圖像退化降質(zhì)，而圖像超分辨率重建的算法具有相當(dāng)?shù)撵`活性和適應(yīng)性。對于超分辨率重建問題，低分辨率圖像的成像模型大致如圖1-2所示：圖1-2低分辨率圖像的成像模型數(shù)學(xué)模型為：DIMnIBHRLR)))((((1-1)其中表示高分辨率圖像，表示低分辨率圖像。高分辨率圖像會受到多種輸入條件的影響，比如運動M()（旋轉(zhuǎn)、平移、縮放等）、成像模糊B()（傳感器模糊、運動模糊、光學(xué)模糊等）、下采樣矩陣D()、各種加性噪聲n，這些條件的變化將會嚴(yán)重影響低分辨率圖像的結(jié)果，因此成像過程是個病態(tài)問題，而超分辨率重建是個病態(tài)反問題。為了便于研究，與很多其他的算法[9-13]一樣，本文的研究算法會簡化上述的數(shù)學(xué)模型，將高分辨率到低分辨率圖片之間的退化過程簡化

第1章緒論4成只有下采樣的數(shù)學(xué)模型，具體表達式如下：),(HRLRIDI(1-2)其中，D()表示下采樣，δ表示下采樣的參數(shù)。超分辨率重建算法可以表示為：),(LRSRIFI(1-3)其中表示為經(jīng)過重建之后的超分辨率圖片，F(xiàn)()表示為重建函數(shù)，θ表示中間函數(shù)中的參數(shù)。SR的目標(biāo)如下：),(minargHRSRIIL(1-4)其中),(HRSRIIL代表生成的圖像SRI和地面真實圖像HRI的損失函數(shù)，是正則化項，是權(quán)重參數(shù)。雖然在SR問題中大多數(shù)流行的損失函數(shù)是逐像素的均方誤差，但是使用多種損失函數(shù)的組合能夠達到更好的效果[14，15]。另外，一張低分辨率圖片可能會對應(yīng)多張的高分辨率重建，這個問題可以根據(jù)頻域分析[16]，如圖1-3所示：圖1-3LR圖像與對應(yīng)HR圖像在頻譜圖圖1-3(a)和圖1-3(b)展示了假設(shè)圖片空間域無限時，頻域中LR和HR的對應(yīng)關(guān)系。圖1-3(c)和圖1-3(d)都是圖1-3(b)中相應(yīng)LR的可能HR�？赡軣o限數(shù)量的HR（表征為圖1-3(d)中噪聲的部分）具有相同的低頻成分。綜上所述，超分辨率重建是一個一對多的問題，一個低分辨率圖片可能對應(yīng)多個高分辨率圖片，如圖1-4所示：

【參考文獻】：
期刊論文
[1]級聯(lián)金字塔結(jié)構(gòu)的深度圖超分辨率重建[J]. 付緒文,張旭東,張駿,孫銳.  光電工程. 2019(11)
[2]基于L1/2正則化和局部紋理約束的人臉超分辨率圖像重建[J]. 王寶成,李波.  計算機應(yīng)用研究. 2020(02)
[3]基于深度超分辨率重建的監(jiān)控圖像人臉識別[J]. 朱海,王國中,范濤,楊露.  電子測量技術(shù). 2018(16)



本文編號：3375329