近年來,得益于計算機視覺理論的日益完善和機器學習尤其是深度學習算法的迅猛發(fā)展,圖像和視頻的超分辨率重建技術和去模糊技術在理論和應用上都取得了突破性的進展。圖像和視頻的超分辨率和去模糊是兩個高度病態(tài)問題,通常被分開處理。但是,由于攝像機距離被拍攝物體較遠且二者之間產(chǎn)生相對運動會導致現(xiàn)實世界中的大多數(shù)圖像和視頻是低分辨率且?guī)в袕碗s的模糊形式,這在拍攝的監(jiān)控視頻與體育視頻等場景中經(jīng)常會出現(xiàn)。超分辨率重建方法通常處理的都是模糊核已知且模糊形式簡單的低分辨率圖像及視頻,對于復雜的模糊形式,超分辨率重建的效果普遍較差。在去模糊方法中,雖然其模糊核為復雜且未知的,但其分辨率一般是比較高的。對于低分辨率且具有復雜模糊的輸入,僅使用去模糊方法無法生成高分辨率且清晰的結(jié)果。為此本文提出了基于深度學習的視頻圖像超分辨率及去模糊聯(lián)合方法,其主要工作內(nèi)容總結(jié)如下:1.本文提出了一種基于生成對抗網(wǎng)絡的單幀視頻圖像超分辨率與去模糊聯(lián)合方法。該方法聚焦于自然場景視頻單幀圖像,直接從模糊的低分辨率輸入中重建出清晰的高分辨率視頻幀。首先提出了一個基于生成對抗網(wǎng)絡的模型來聯(lián)合處理單幀視頻圖像超分辨率和非均勻運動模糊;其次,... 

【文章來源】：西北師范大學甘肅省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 問題的提出
    1.2 研究背景和意義
        1.2.1 超分辨率
        1.2.2 去模糊
        1.2.3 聯(lián)合超分辨率與去模糊
    1.3 國內(nèi)外研究現(xiàn)狀分析
        1.3.1 超分辨率
        1.3.2 去模糊
        1.3.3 聯(lián)合超分辨率與去模糊
    1.4 本文研究內(nèi)容
    1.5 論文結(jié)構(gòu)安排
第2章 相關理論與技術
    2.1 深度學習簡介
        2.1.1 卷積神經(jīng)網(wǎng)絡
        2.1.2 生成對抗網(wǎng)絡
    2.2 圖像降質(zhì)原理
    2.3 超分辨率算法介紹
        2.3.1 基于插值的方法
        2.3.2 基于重建的方法
        2.3.3 基于學習的方法
    2.4 去模糊技術
        2.4.1 模糊圖像復原模型
        2.4.2 常見的模糊形式
    2.5 本章小結(jié)
第3章 基于GAN的單幀視頻圖像超分辨率與去模糊聯(lián)合方法
    3.1 基本原理
        3.1.1 殘差網(wǎng)絡
        3.1.2 損失函數(shù)
        3.1.3 全局平均池化層
        3.1.4 激活函數(shù)
    3.2 算法設計思路
        3.2.1 網(wǎng)絡結(jié)構(gòu)
        3.2.2 損失函數(shù)
    3.3 實驗結(jié)果與分析
        3.3.1 數(shù)據(jù)集
        3.3.2 網(wǎng)絡訓練細節(jié)
        3.3.3 評價指標
        3.3.4 與其他方法的比較
    3.4 本章小結(jié)
第4章 基于動態(tài)上采樣濾波器的多幀視頻圖像超分辨率與去模糊聯(lián)合方法
    4.1 基本原理
        4.1.1 三維卷積
        4.1.2 稠密卷積網(wǎng)絡
        4.1.3 動態(tài)濾波器卷積
        4.1.4 損失函數(shù)
    4.2 算法設計思路
        4.2.1 動態(tài)上采樣濾波器
        4.2.2 網(wǎng)絡結(jié)構(gòu)
    4.3 實驗結(jié)果與分析
        4.3.1 數(shù)據(jù)集
        4.3.2 網(wǎng)絡訓練細節(jié)
        4.3.3 與其他方法的比較
    4.4 本章小結(jié)
結(jié)論
參考文獻
致謝
個人簡歷、在學期間發(fā)表的學術論文及研究成果



本文編號：3645049