發(fā)布時(shí)間：2021-09-23 06:53

　　多通道圖像超分辨是圖像分析、語義理解的基礎(chǔ)。由于自然條件的影響以及成像設(shè)備器件的干擾,成像獲得的多通道圖像往往存在著分辨率降低、存在模糊噪聲等情況。超分辨率重建就是運(yùn)用算法將這些低分辨圖像重建出高分辨圖像�；诰矸e神經(jīng)網(wǎng)絡(luò)的多通道圖像超分辨率重建過程模擬人腦神經(jīng)元突觸的結(jié)構(gòu),運(yùn)用海量的訓(xùn)練數(shù)據(jù)學(xué)習(xí)到低分辨圖像與高分辨圖像的映射權(quán)值矩陣。同時(shí)由于多通道圖像相比單幅圖像存在著時(shí)間或光譜維度,通過利用時(shí)空相關(guān)性或空譜相關(guān)性,將相鄰圖像應(yīng)用到卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練中來補(bǔ)充中間圖像的信息,以獲得更好的超分辨效果。論文圍繞基于深度卷積神經(jīng)網(wǎng)絡(luò)的多通道圖像超分辨方法展開工作,取得如下成果:（1）研究了利用相鄰幀間冗余信息進(jìn)行視頻超分辨的VSRnet模型,并將模型在三個(gè)方面進(jìn)行推廣,得到DeepVSRnet模型。首先將模型輸入圖像數(shù)目從3幀推廣到K幀,然后將卷積神經(jīng)網(wǎng)絡(luò)中圖像級聯(lián)前的特征提取層數(shù)從1層推廣到N層,最后將卷積神經(jīng)網(wǎng)絡(luò)中圖像級聯(lián)后的重建層數(shù)從1層推廣到M層。通過實(shí)驗(yàn)探討了網(wǎng)絡(luò)層數(shù)的變化、輸入幀數(shù)的變化以及損失函數(shù)的優(yōu)化方法對模型性能的影響。（2）結(jié)合卷積神經(jīng)網(wǎng)絡(luò)在光流估計(jì)中取得的良好效果,將Fl... 

【文章來源】：南京理工大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．２?Ｌｅｎａ圖像超分辨率重建??在醫(yī)學(xué)方面：醫(yī)院中所使用的核磁共振、彩超等設(shè)備，都是成像后將圖像顯示出來，??可以通過利用高分辨算法對圖像進(jìn)行重建來獲得更清晰的圖像

景拍攝的圖像。ｍ現(xiàn)實(shí)拍攝環(huán)境中，圖像的成像過程往往受到捫攝設(shè)備及周Ｉ＾環(huán)境等多??種因素的影響，如成像設(shè)備的分辨率、大氣折射的干擾、噪聲污染以及下采樣等，使得??所獲得的圖像分辨率降低，圖像成像過程如圖２．１所示。??幽．，ｆ??原圖?模糊圖像??圖２．１圖像成像過程??對于整個(gè)成像過程可用如下模型進(jìn)行描述：??ｖ?＝?ＨＤｘ?＋?ｎ?（２．１）??其中Ｘ是真實(shí)清晰的高分辨率圖像，．Ｖ是成像獲得的低分辨率圖像，／／是模糊核，??包括鏡頭抖動(dòng)、大氣折射、物體相對運(yùn)動(dòng)等，Ｄ表示下采樣矩陣，由傳感器陣列對圖像??進(jìn)行下采樣，《為噪聲，包括環(huán)境噪聲和成像設(shè)備元器件噪聲。??２．１．２超分辨率算法重建過程??超分辨采建過程可以總結(jié)為三個(gè)基本步驟：去噪、超分辨、去模糊�；逦缓停�??建的超分辨方法通過特征研究逆變換的數(shù)‘７：模型，通過濾波器進(jìn)彳Ｔ去噪、去模糊操作獲??得高分辨圖像。??基十學(xué)習(xí)的多通道圖像超分辨率東達(dá)兌法通過構(gòu)建低分辨圖像５高分辨圖像的端??到端映射關(guān)系來重新構(gòu)建出高分辨率圖像，可以陽如下模型進(jìn)行描述：??Ｖ?＝?ＨＤｘ?＋?ｎ?（”）??其屮Ｘ表示由連續(xù)的若干幅低分辨率圖像所構(gòu)成的矩陣，＾表示低分辨圖像矩陣??與中間高分辨圖像間的權(quán)值矩陣

雙三次插值算法又稱為立方卷積插值，因?yàn)橛?jì)算簡單且效果不錯(cuò)，通常被用來作為??圖像超分辨率算法的基準(zhǔn)。該算法通過三次插值運(yùn)算來計(jì)算得到采樣點(diǎn)周圍】６個(gè)點(diǎn)的??灰度值。如圖２．２所示，我們己知采樣點(diǎn)低分辨率圖像中四個(gè)像素點(diǎn)（ａＯＯ，?ａ０３，?ａ３０，??ａ３３）的值，需要根據(jù)這些已知點(diǎn)求解出剩余未知點(diǎn)的灰度值。??ａ０〇?＃?ａ０８??？?Ｐ?？？?？?？?｜??ｊ??；?；?＾??ａ８０?＊?？?ａ３５??圖２．２雙三次插值待求解值??雖然三次操作導(dǎo)致計(jì)算量增加，但超分辨結(jié)果更加接近真實(shí)圖像ｔ４６ｋ其數(shù)學(xué)表達(dá)式??為：??１?—?２１?〇＞?｜＇?＋｜＜ｙｊ？?０?＜?｜＜ｙ｜＜ｌ??ｓ（ｃｏ）?＝?＜?４－８｜＜ｙ｜＋５｜＜ｉ）｜＇－｜ｃｙ｜３?１?＜｜?ｃｏ?｜＜?２?（２．３）??０?＼〇）＼＞２??其中ｗ為插值點(diǎn)與相鄰像素點(diǎn)之間的距離。雙三次插值公式為：??／（ｉ?＋?ｕ，ｊ?＋?ｖ）?＝?Ａ?－?Ｂ?■?Ｃ?（２．４）??其中為正整數(shù)，／（／，ｙ）表示原圖像（／，．／；）的像素值。烕５，ｃ均為矩陣，形式如下：??＾?＝?［５（ｌ?＋?ｗ）?５（ｗ）?５（ｌ－ｗ）?５（２－ｍ）］?（２．５）??—?／（／，／）?／（／，７?＋?ｌ）?ｆ（Ｕｊ?＋?２）??Ｂ?＝?（ｚ．６）??／（／?＋?１，．／－１）?ｆ（ｉ?＋?ｌ，ｊ）?ｆ（ｉ?＋?＼，ｊ?＋?＼）?ｆＶ?＋?ｌｊ?＋?２）??Ｊ（ｉ?＋?２

【參考文獻(xiàn)】：
期刊論文
[1]基于支持向量回歸的圖像超分辨率重建算法[J]. 范開乾,胡訪宇.  電子技術(shù). 2014(04)
[2]一種自適應(yīng)的金字塔式Lucas-Kanade目標(biāo)跟蹤算法[J]. 唐建宇.  電子技術(shù)與軟件工程. 2013(17)
[3]基于POCS-MPMAP合成算法的超分辨率圖像復(fù)原（英文）[J]. 蘇秉華,金偉其.  光子學(xué)報(bào). 2003(04)

碩士論文
[1]基于人眼掩蔽特性的實(shí)時(shí)視頻質(zhì)量評估系統(tǒng)[D]. 陳振強(qiáng).南京郵電大學(xué) 2013



本文編號：3405246