基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建算法研究
發(fā)布時(shí)間:2024-05-15 23:24
隨著科技的發(fā)展,低分辨率圖像難以滿足眾多領(lǐng)域的需求,并對(duì)高分辨率圖像的要求與日劇增。在現(xiàn)實(shí)生活中,數(shù)字圖像在其形成、傳輸、存儲(chǔ)過程中往往會(huì)受到復(fù)雜因素的影響,以較低分辨率的形式存在。圖像超分辨率重建技術(shù)是一種通過算法設(shè)計(jì)獲得高分辨率圖像的底層視覺技術(shù),其不僅能夠改善圖像的視覺感知質(zhì)量,同時(shí)也可以提高后續(xù)高層語義分析的精確度。隨著深度學(xué)習(xí)的快速發(fā)展,基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建算法得到廣泛關(guān)注。本文針對(duì)目前基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率重建算法中存在的問題,提出相應(yīng)的圖像超分辨率重建算法。主要研究?jī)?nèi)容如下:(1)針對(duì)具有不同濾波器或多個(gè)分支的深度神經(jīng)網(wǎng)絡(luò)難以重構(gòu)圖像的高頻信息,同時(shí)存在多層次特征提取不充分及感受野范圍較小的問題,提出一種基于空洞卷積的多層次殘差注意力網(wǎng)絡(luò)圖像超分辨率重建算法。首先,通過具有不同感受野的空洞卷積對(duì)同一輸入圖像進(jìn)行特征提取,獲取不同尺度且具有豐富高頻與低頻信息的特征圖;其次,通過構(gòu)建的注意力密集殘差塊,進(jìn)一步獲取高頻信息特征,并加入局部殘差連接,使多通道間的多尺度特征信息融合;最后,在四個(gè)基準(zhǔn)測(cè)試集上進(jìn)行對(duì)比測(cè)試,結(jié)果表明所提算法不僅在客觀評(píng)價(jià)指標(biāo)方面同...
【文章頁數(shù)】:67 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 基于插值的超分辨率重建算法
1.2.2 基于重建的超分辨率重建算法
1.2.3 基于學(xué)習(xí)的超分辨率重建算法
1.3 本文主要研究?jī)?nèi)容
1.4 本文章節(jié)安排
第2章 卷積神經(jīng)網(wǎng)絡(luò)及圖像超分辨率基礎(chǔ)理論知識(shí)
2.1 引言
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.1 卷積層和激活函數(shù)
2.2.2 池化層
2.3 圖像超分辨率常用數(shù)據(jù)庫和測(cè)評(píng)指標(biāo)
2.3.1 圖像超分辨率常用數(shù)據(jù)庫
2.3.2 圖像超分辨率的評(píng)價(jià)指標(biāo)
2.4 本章小結(jié)
第3章 基于空洞卷積的多層次注意力網(wǎng)絡(luò)圖像超分辨率重建
3.1 引言
3.2 通道注意力機(jī)制
3.3 基于空洞卷積的多層次注意力網(wǎng)絡(luò)
3.3.1 注意力密集殘差塊
3.3.2 多尺度融合殘差塊
3.3.3 模型框架
3.4 實(shí)驗(yàn)結(jié)果與分析
3.4.1 數(shù)據(jù)集
3.4.2 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置
3.4.3 客觀效果和主觀效果對(duì)比
3.4.4 網(wǎng)絡(luò)參數(shù)量對(duì)比
3.5 本章小結(jié)
第4章 基于動(dòng)態(tài)注意力網(wǎng)絡(luò)的圖像超分辨率重建
4.1 引言
4.2 動(dòng)態(tài)卷積
4.3 動(dòng)態(tài)注意力網(wǎng)絡(luò)
4.3.1 動(dòng)態(tài)注意力模塊
4.3.2 模型框架
4.4 模型分析
4.4.1 注意力機(jī)制的選擇
4.4.2 動(dòng)態(tài)模塊的影響
4.4.3 雙蝶式結(jié)構(gòu)的影響
4.4.4 注意力機(jī)制位置的影響
4.5 實(shí)驗(yàn)結(jié)果與分析
4.5.1 實(shí)驗(yàn)數(shù)據(jù)
4.5.2 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置
4.5.3 客觀效果和主觀效果對(duì)比
4.5.4 LPIPS指標(biāo)評(píng)估
4.5.5 注意力圖對(duì)比
4.6 本章小結(jié)
第5章 基于類金字塔圖殘差網(wǎng)絡(luò)的圖像超分辨率重建
5.1 引言
5.2 圖卷積網(wǎng)絡(luò)
5.3 空洞卷積
5.4 類金字塔圖殘差網(wǎng)絡(luò)
5.4.1 殘差圖卷積結(jié)構(gòu)
5.4.2 類金字塔多空洞卷積結(jié)構(gòu)
5.4.3 模型框架
5.5 模型分析
5.5.1 不同結(jié)構(gòu)對(duì)重建結(jié)果的影響
5.5.2 圖結(jié)構(gòu)中節(jié)點(diǎn)個(gè)數(shù)的影響
5.5.3 殘差學(xué)習(xí)的影響
5.5.4 殘差圖卷積結(jié)構(gòu)深度的選擇
5.6 實(shí)驗(yàn)結(jié)果與分析
5.6.1 實(shí)驗(yàn)配置
5.6.2 客觀效果和主觀效果對(duì)比
5.7 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
本文編號(hào):3974359
【文章頁數(shù)】:67 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第1章 緒論
1.1 研究背景及意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 基于插值的超分辨率重建算法
1.2.2 基于重建的超分辨率重建算法
1.2.3 基于學(xué)習(xí)的超分辨率重建算法
1.3 本文主要研究?jī)?nèi)容
1.4 本文章節(jié)安排
第2章 卷積神經(jīng)網(wǎng)絡(luò)及圖像超分辨率基礎(chǔ)理論知識(shí)
2.1 引言
2.2 卷積神經(jīng)網(wǎng)絡(luò)
2.2.1 卷積層和激活函數(shù)
2.2.2 池化層
2.3 圖像超分辨率常用數(shù)據(jù)庫和測(cè)評(píng)指標(biāo)
2.3.1 圖像超分辨率常用數(shù)據(jù)庫
2.3.2 圖像超分辨率的評(píng)價(jià)指標(biāo)
2.4 本章小結(jié)
第3章 基于空洞卷積的多層次注意力網(wǎng)絡(luò)圖像超分辨率重建
3.1 引言
3.2 通道注意力機(jī)制
3.3 基于空洞卷積的多層次注意力網(wǎng)絡(luò)
3.3.1 注意力密集殘差塊
3.3.2 多尺度融合殘差塊
3.3.3 模型框架
3.4 實(shí)驗(yàn)結(jié)果與分析
3.4.1 數(shù)據(jù)集
3.4.2 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置
3.4.3 客觀效果和主觀效果對(duì)比
3.4.4 網(wǎng)絡(luò)參數(shù)量對(duì)比
3.5 本章小結(jié)
第4章 基于動(dòng)態(tài)注意力網(wǎng)絡(luò)的圖像超分辨率重建
4.1 引言
4.2 動(dòng)態(tài)卷積
4.3 動(dòng)態(tài)注意力網(wǎng)絡(luò)
4.3.1 動(dòng)態(tài)注意力模塊
4.3.2 模型框架
4.4 模型分析
4.4.1 注意力機(jī)制的選擇
4.4.2 動(dòng)態(tài)模塊的影響
4.4.3 雙蝶式結(jié)構(gòu)的影響
4.4.4 注意力機(jī)制位置的影響
4.5 實(shí)驗(yàn)結(jié)果與分析
4.5.1 實(shí)驗(yàn)數(shù)據(jù)
4.5.2 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置
4.5.3 客觀效果和主觀效果對(duì)比
4.5.4 LPIPS指標(biāo)評(píng)估
4.5.5 注意力圖對(duì)比
4.6 本章小結(jié)
第5章 基于類金字塔圖殘差網(wǎng)絡(luò)的圖像超分辨率重建
5.1 引言
5.2 圖卷積網(wǎng)絡(luò)
5.3 空洞卷積
5.4 類金字塔圖殘差網(wǎng)絡(luò)
5.4.1 殘差圖卷積結(jié)構(gòu)
5.4.2 類金字塔多空洞卷積結(jié)構(gòu)
5.4.3 模型框架
5.5 模型分析
5.5.1 不同結(jié)構(gòu)對(duì)重建結(jié)果的影響
5.5.2 圖結(jié)構(gòu)中節(jié)點(diǎn)個(gè)數(shù)的影響
5.5.3 殘差學(xué)習(xí)的影響
5.5.4 殘差圖卷積結(jié)構(gòu)深度的選擇
5.6 實(shí)驗(yàn)結(jié)果與分析
5.6.1 實(shí)驗(yàn)配置
5.6.2 客觀效果和主觀效果對(duì)比
5.7 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
本文編號(hào):3974359
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3974359.html
最近更新
教材專著