圖像超分辨率（Image Super-resolution,SR）任務(wù)是對于輸入的低分辨（low-resolution image,LR）圖像,通過模型方法處理,輸出高質(zhì)量高分辨率（high-resolution image,HR）圖像。目前,基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨方法取得了較為令人滿意的超分辨效果。但是這些方法主要假設(shè)低分辨率圖像由高分辨率圖像經(jīng)過單一的雙三次（bicubic）插值降采樣得到,當(dāng)真實LR圖像的退化過程不遵循單一下采樣假設(shè)時,模型超分辨性能大大減低。在眾多圖像超分辨算法中,SRMD模型利用圖像退化的先驗知識能夠有效處理多退化因子圖像超分辨問題。但是SRMD模型假定圖像退化參數(shù)已知,導(dǎo)致模型很難直接應(yīng)用于實際。與此同時,SRMD模型也不能單模型處理多尺度因子超分辨問題。為了實現(xiàn)單模型處理多尺度和多退化因子超分辨任務(wù),本文在SRMD模型基礎(chǔ)上進(jìn)行優(yōu)化改進(jìn),首先通過優(yōu)化其網(wǎng)絡(luò)結(jié)構(gòu),去除需要特定尺度因子的亞像素卷積層,實現(xiàn)對于任意尺度因子超分辨問題進(jìn)行處理,提高模型的實用性。為了進(jìn)一步優(yōu)化多尺度因子超分辨模型的處理速度和模型大小,本文使用深度學(xué)習(xí)模型的壓縮方法,將傳統(tǒng)卷積... 

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景與研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 圖像質(zhì)量評價標(biāo)準(zhǔn)
    1.4 本文主要研究內(nèi)容
    1.5 本文主要章節(jié)內(nèi)容
第2章 多退化因子圖像的超分辨模型
    2.1 多退化因子圖像超分辨模型和實驗數(shù)據(jù)構(gòu)建
    2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的多退化因子圖像超分辨模型
        2.2.1 SRMD模型
        2.2.2 基于卷神經(jīng)網(wǎng)絡(luò)的多尺度和多退化因子圖像超分辨模型
    2.3 基于MobileNet壓縮的圖像超分辨模型
        2.3.1 MobileNet壓縮模型
        2.3.2 基于MobileNet的多退化因子圖像超分辨模型
        2.3.3 結(jié)果與分析
    2.4 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的退化參數(shù)圖譜估計模型
    3.1 基于簡單卷積網(wǎng)絡(luò)的圖像退化參數(shù)圖譜估計網(wǎng)絡(luò)
    3.2 基于ResBlock結(jié)構(gòu)的圖像退化參數(shù)圖譜估計網(wǎng)絡(luò)
    3.3 結(jié)果與分析
    3.4 本章小結(jié)
第4章 基于深度殘差估計的圖像超分辨模型
    4.1 基于深度殘差估計的圖像超分辨模型
    4.2 多退化因子圖像超分辨實驗
    4.3 真實圖像超分辨實驗
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]圖像質(zhì)量評價研究綜述[J]. 周景超,戴汝為,肖柏華.  計算機科學(xué). 2008(07)
[2]客觀評估彩色圖像質(zhì)量的超復(fù)數(shù)奇異值分解法[J]. 葉佳,張建秋,胡波.  電子學(xué)報. 2007(01)



本文編號：3657851