發(fā)布時間：2021-04-23 18:31

　　近年來,隨著經(jīng)濟和社會的發(fā)展,社會生產(chǎn)和生活中對高分辨率圖像和視頻的需求持續(xù)增長,然而受成像設(shè)備性能、成像環(huán)境限制以及經(jīng)濟、時間等因素的影響,在某些情況下人們獲得的仍然是低分辨率的圖像。將低分辨率圖像重建為高分辨率圖像的超分辨率重建技術(shù)為人們獲得高分辨率的圖像提供了經(jīng)濟可行的解決方案。在過去幾十年中,超分辨率重建技術(shù)的研究取得了很大的進展,尤其是近年來提出的壓縮感知理論、深度學(xué)習(xí)理論為超分辨率重建技術(shù)注入了新的血液,算法的性能得到了進一步提升。本文圍繞視頻的超分辨率重建開展研究,重點研究了基于矩陣補全模型的超分辨率重建技術(shù)和基于深度學(xué)習(xí)模型的超分辨率重建技術(shù)。本文的主要工作和創(chuàng)新點如下:（1）針對以 MCSR（Matrix Completion Super-Resolution）算法為代表的基于矩陣補全模型的視頻超分辨率重建算法無法有效處理視頻中的局部復(fù)雜運動的問題,本文提出了一種基于矩陣補全模型的魯棒的視頻超分辨率重建算法。在運動補償階段,該算法提出了一種多尺度非局部塊匹配方法,它利用圖像的自相似性,能從較少的相鄰幀中提取到足夠數(shù)量的圖像塊構(gòu)造低秩矩陣,既能有效保留邊緣信息,又能提高... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：140 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
符號對照表
第一章 緒論
    1.1 課題的研究背景和研究意義
    1.2 研究現(xiàn)狀及挑戰(zhàn)
    1.3 本文的主要工作和創(chuàng)新點
    1.4 各章節(jié)安排
第二章 空間域超分辨率重建算法綜述
    2.1 圖像退化模型
    2.2 插值法
    2.3 基于重構(gòu)的超分辨率重建框架
        2.3.1 基于重構(gòu)框架的圖像序列（視頻）超分辨率重建算法
        2.3.2 基于重構(gòu)框架的單幅圖像超分辨率重建算法
    2.4 基于學(xué)習(xí)的超分辨率重建框架
        2.4.1 基于學(xué)習(xí)框架的單幅圖像超分辨率重建算法
        2.4.2 基于學(xué)習(xí)框架的圖像序列（視頻）超分辨率重建算法
    2.5 圖像質(zhì)量評價方法
第三章 魯棒的基于矩陣補全模型的視頻超分辨率重建
    3.1 引言
    3.2 基于矩陣補全模型的視頻超分辨率重建
        3.2.1 低秩矩陣補全
        3.2.2 基于矩陣補全模型的視頻超分辨率重建算法MCSR
        3.2.3 MCSR算法分析
    3.3 魯棒的基于矩陣補全模型的視頻超分辨率重建
        3.3.1 多尺度非局部相似圖像塊匹配
        3.3.2 通過矩陣補全生成高分辨率圖像塊
    3.4 實驗及結(jié)果分析
    3.5 本章小結(jié)
第四章 邊緣保持的基于卷積神經(jīng)網(wǎng)的單幅圖像超分辨率重建
    4.1 引言
    4.2 卷積神經(jīng)網(wǎng)絡(luò)和單幅圖像超分辨率重建
        4.2.1 卷積神經(jīng)網(wǎng)絡(luò)
        4.2.2 基于卷積神經(jīng)網(wǎng)的單幅圖像超分辨率重建
    4.3 邊緣保持的基于卷積神經(jīng)網(wǎng)的單幅圖像超分辨率重建
        4.3.1 網(wǎng)絡(luò)架構(gòu)
        4.3.2 訓(xùn)練集構(gòu)造方法
        4.3.3 網(wǎng)絡(luò)模型的訓(xùn)練策略
    4.4 實驗及結(jié)果分析
        4.4.1 網(wǎng)絡(luò)模型的超參數(shù)設(shè)定
        4.4.2 實驗結(jié)果及分析
    4.5 本章小結(jié)
第五章 結(jié)構(gòu)保持的基于三維卷積神經(jīng)網(wǎng)的快速視頻超分辨率重建
    5.1 引言
    5.2 經(jīng)典的基于二維卷積神經(jīng)網(wǎng)的視頻超分辨率重建算法
        5.2.1 VSRnet
        5.2.2 VESPCN
        5.2.3 DF
        5.2.4 二維卷積和三維卷積的工作機制
    5.3 結(jié)構(gòu)保持的基于三維卷積神經(jīng)網(wǎng)的快速視頻超分辨率重建
        5.3.1 網(wǎng)絡(luò)架構(gòu)
        5.3.2 運動補償子網(wǎng)絡(luò)
        5.3.3 高分辨率重建子網(wǎng)絡(luò)
        5.3.4 損失函數(shù)
        5.3.5 訓(xùn)練集構(gòu)造方法
        5.3.6 網(wǎng)絡(luò)模型的訓(xùn)練策略
    5.4 實驗及結(jié)果分析
        5.4.1 網(wǎng)絡(luò)模型的超參數(shù)設(shè)定
        5.4.2 實驗結(jié)果及分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
附錄A 縮略語表
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻】：
期刊論文
[1]紋理邊緣引導(dǎo)的深度圖像超分辨率重建[J]. 李宇翔,鄧慧萍,向森,吳謹(jǐn),朱磊.  中國圖象圖形學(xué)報. 2018(10)
[2]結(jié)合同場景彩色圖像的深度圖超分辨率重建[J]. 王宇,樸燕,孫榮春.  光學(xué)學(xué)報. 2017(08)
[3]改進SA方法的衛(wèi)星視頻圖像超分辨率重建[J]. 卜麗靜,鄭新杰,肖一鳴,張正鵬.  測繪科學(xué)技術(shù)學(xué)報. 2017(01)
[4]矩陣補全模型及其算法研究綜述[J]. 陳蕾,陳松燦.  軟件學(xué)報. 2017(06)
[5]利用雙通道卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法[J]. 徐冉,張俊格,黃凱奇.  中國圖象圖形學(xué)報. 2016(05)
[6]深度學(xué)習(xí)研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學(xué)學(xué)報. 2015(01)
[7]自適應(yīng)閾值HMRF模型超分辨率重建[J]. 朱虹,劉薇,姚杰,歐陽光振,劉小乾.  中國圖象圖形學(xué)報. 2012(09)
[8]基于核的正交局部保持投影的人臉識別[J]. 金一,阮秋琦.  電子與信息學(xué)報. 2009(02)

博士論文
[1]基于梯度正則化約束的圖像重建算法研究[D]. 閆青.上海交通大學(xué) 2014



本文編號：3155822