圖像超分辨率重構(gòu)是指是根據(jù)輸入的一幅或者多幅低分辨率圖像來(lái)重構(gòu)高分辨率圖像。高分辨率圖像通常包含更加豐富的信息,在滿足人類對(duì)視覺效果需求的同時(shí),也為圖像處理中其他研究方向提供了良好的研究基礎(chǔ)。但由于圖像退化模型較為復(fù)雜,圖像超分辨率重構(gòu)問題通常是一個(gè)不適定問題。卷積神經(jīng)網(wǎng)絡(luò)具有擬合任意復(fù)雜函數(shù)的能力,能夠在一定程度上解決圖像超分辨率重構(gòu)的不適定問題。但是其重構(gòu)結(jié)果與目標(biāo)高分辨率圖像之間仍然存在殘差,這種殘差通常為高頻信息。為了補(bǔ)償殘差以提高圖像超分辨率重構(gòu)效果,本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)和殘差字典學(xué)習(xí)的圖像超分辨率重構(gòu)算法,在保留結(jié)構(gòu)化信息的同時(shí),彌補(bǔ)高、低分辨率圖像之間的高頻信息損失。首先,在超分辨率卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,通過對(duì)網(wǎng)絡(luò)層數(shù)、卷積核尺寸以及卷積核數(shù)量進(jìn)行改進(jìn),使得卷積神經(jīng)網(wǎng)絡(luò)中可訓(xùn)練參數(shù)增加,可以更好擬合圖像超分辨率重構(gòu)模型。并在激勵(lì)函數(shù)的選取上進(jìn)行改進(jìn),使用PReLU代替ReLU,增加了其非線性映射能力。其次,使用改進(jìn)后的網(wǎng)絡(luò)在訓(xùn)練集中學(xué)習(xí)得到一個(gè)端到端的圖像超分辨率重構(gòu)模型。再次,根據(jù)重構(gòu)的高分辨率圖像與目標(biāo)高分辨率圖像之間的殘差為高頻信息的情況,選取對(duì)高頻信息敏...

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
變量注釋表
1 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作和結(jié)構(gòu)安排
2 圖像超分辨率重構(gòu)算法基礎(chǔ)理論
    2.1 圖像超分辨率重構(gòu)概述
    2.2 基于插值的圖像超分辨重構(gòu)算法
    2.3 基于重構(gòu)的圖像超分辨重構(gòu)算法
    2.4 基于學(xué)習(xí)的圖像超分辨重構(gòu)算法
    2.5 本章小結(jié)
3 基于卷積神經(jīng)網(wǎng)絡(luò)和殘差字典學(xué)習(xí)圖像超分辨率重構(gòu)算法
    3.1 卷積神經(jīng)網(wǎng)絡(luò)
    3.2 超分辨率卷積神經(jīng)網(wǎng)絡(luò)
    3.3 對(duì)于超分辨率卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)
    3.4 殘差字典學(xué)習(xí)對(duì)改進(jìn)的超分辨率卷積神經(jīng)網(wǎng)絡(luò)模型的殘差補(bǔ)償
    3.5 本章小結(jié)
4 實(shí)驗(yàn)過程及結(jié)果分析
    4.1 實(shí)驗(yàn)環(huán)境平臺(tái)
    4.2 實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)
    4.3 算法實(shí)現(xiàn)過程
    4.4 算法評(píng)價(jià)與分析
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3806002