圖像超分辨率的目的是從低分辨率圖像重建高分辨率圖像。經(jīng)過40多年發(fā)展,圖像超分辨率技術(shù)研究取得較大進(jìn)步,廣泛用于醫(yī)學(xué)影像、遙感影像和安防監(jiān)控等領(lǐng)域。現(xiàn)有的圖像超分辨率方法中,基于插值的方法通常利用低分辨率圖像柵格上已知像素值來估計(jì)高分辨率圖像柵格上的未知像素值,常見的插值方法有:多項(xiàng)式插值和基于邊緣驅(qū)動的插值。雖然這些方法計(jì)算復(fù)雜度小,但易造成重建的高分辨率圖像出現(xiàn)邊緣平滑、模糊和混疊等失真現(xiàn)象。為了突破傳統(tǒng)圖像插值的缺陷,基于重建的方法結(jié)合圖像退化過程,利用圖像先驗(yàn)建立超分辨率模型來估計(jì)高分辨率圖像,但描述圖像先驗(yàn)的手工刻畫特征限制了這種方法的應(yīng)用范圍�；趯W(xué)習(xí)的方法是在樣本圖像數(shù)據(jù)上利用機(jī)器學(xué)習(xí)來學(xué)習(xí)高低分辨率圖像之間的映射關(guān)系,并把這種學(xué)習(xí)的映射關(guān)系用于高分辨率圖像重建。在現(xiàn)實(shí)中,圖像超分辨率應(yīng)用場景很多,對算法計(jì)算復(fù)雜度、重建圖像質(zhì)量和硬件成本等性能指標(biāo)要求不同。本文針對小規(guī)模樣本數(shù)據(jù)和大規(guī)模樣本數(shù)據(jù)兩種情況,分別研究面向低耗時(shí)、低成本應(yīng)用場景的基于稀疏表示的快速超分辨率重建方法和面向高性能計(jì)算場景的基于深度學(xué)習(xí)的超分辨率重建方法,主要研究工作及研究成果概括如下:（1）提出了基... 

【文章來源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：125 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 圖像超分辨率重建問題的數(shù)學(xué)模型
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 圖像超分辨率重建技術(shù)分類
        1.3.2 基于圖像塊樣本學(xué)習(xí)的圖像超分辨率重建方法
        1.3.3 基于深度學(xué)習(xí)的圖像超分辨率重建方法
        1.3.4 各類基于學(xué)習(xí)的圖像超分辨率重建方法性能比較分析
    1.4 論文主要工作與結(jié)構(gòu)安排
        1.4.1 論文主要工作
        1.4.2 論文的結(jié)構(gòu)安排
第二章 面向圖像處理的稀疏表示和深度學(xué)習(xí)相關(guān)理論基礎(chǔ)
    2.1 圖像稀疏表示基本理論
        2.1.1 圖像稀疏表示建模
        2.1.2 稀疏表示算法
        2.1.3 字典學(xué)習(xí)算法
    2.2 深度卷積神經(jīng)網(wǎng)絡(luò)基本理論
        2.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 網(wǎng)絡(luò)訓(xùn)練
    2.3 本章小結(jié)
第三章 基于聚類和稀疏表示的分層回歸模型實(shí)現(xiàn)圖像超分辨率重建
    3.1 稀疏表示與錨定鄰域回歸
    3.2 基于聚類和稀疏表示的分層回歸模型
        3.2.1 圖像預(yù)處理
        3.2.2 特征圖像塊聚類
        3.2.3 稀疏字典學(xué)習(xí)
        3.2.4 學(xué)習(xí)映射矩陣
    3.3 圖像超分辨率重建
    3.4 仿真實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 客觀評價(jià)指標(biāo)
        3.4.3 實(shí)驗(yàn)結(jié)果與分析
        3.4.4 算法復(fù)雜度和重建耗時(shí)分析
    3.5 本章小結(jié)
第四章 協(xié)作稀疏字典學(xué)習(xí)實(shí)現(xiàn)圖像超分辨率重建
    4.1 多線性映射模型
    4.2 協(xié)作稀疏表示
    4.3 協(xié)作稀疏字典學(xué)習(xí)
        4.3.1 協(xié)作稀疏字典學(xué)習(xí)的數(shù)學(xué)模型
        4.3.2 協(xié)作稀疏字典學(xué)習(xí)算法
    4.4 構(gòu)造多線性映射矩陣
    4.5 圖像超分辨率重建
    4.6 仿真實(shí)驗(yàn)
        4.6.1 實(shí)驗(yàn)設(shè)置及參數(shù)影響分析
        4.6.2 實(shí)驗(yàn)結(jié)果與分析
        4.6.3 算法復(fù)雜度及重建耗時(shí)分析
        4.6.4 分層回歸與協(xié)作稀疏的重建性能比較分析
    4.7 本章小結(jié)
第五章 多通道密集連接網(wǎng)絡(luò)實(shí)現(xiàn)圖像超分辨率重建
    5.1 殘差網(wǎng)絡(luò)與密集連接網(wǎng)絡(luò)
    5.2 經(jīng)驗(yàn)?zāi)B(tài)分解
    5.3 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建
    5.4 多通道密集連接網(wǎng)絡(luò)
        5.4.1 網(wǎng)絡(luò)結(jié)構(gòu)
        5.4.2 基于密集連接的特征學(xué)習(xí)子網(wǎng)絡(luò)
    5.5 仿真實(shí)驗(yàn)
        5.5.1 實(shí)驗(yàn)設(shè)置
        5.5.2 網(wǎng)絡(luò)訓(xùn)練
        5.5.3 殘差連接的影響分析
        5.5.4 密集連接模塊增長速率設(shè)置的影響分析
        5.5.5 實(shí)驗(yàn)結(jié)果與分析
        5.5.6 算法重建耗時(shí)分析
    5.6 本章小結(jié)
第六章 雙路混合網(wǎng)絡(luò)實(shí)現(xiàn)圖像超分辨率重建
    6.1 高階遞歸網(wǎng)絡(luò)與密集連接網(wǎng)絡(luò)
    6.2 雙路混合網(wǎng)絡(luò)
    6.3 DPB模塊
    6.4 仿真實(shí)驗(yàn)
        6.4.1 實(shí)驗(yàn)設(shè)置
        6.4.2 DPB模塊數(shù)量對重建性能影響分析
        6.4.3 實(shí)驗(yàn)結(jié)果與分析
        6.4.4 算法重建耗時(shí)分析
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 未來工作展望
參考文獻(xiàn)
攻讀博士學(xué)位期間的科研成果
致謝



本文編號：3601514