基于卷积神经网络的图像超分辨率重建及其视觉改进

发布时间：2017-05-06 16:06

  本文关键词：基于卷积神经网络的图像超分辨率重建及其视觉改进，由笔耕文化传播整理发布。

【摘要】：由于超分辨率技术能够提供高质量图像,因此它已被广泛地应用于视频、医学和公安系统等领域。该技术旨在通过一系列算法,用一张或多张低分辨率图像来重建出一张高分辨率图像。该方法不但增加了图像分辨率,还弥补了成本高、不易于实现等硬件方面的问题。本文在提高图像清晰度方面做出了相关的研究。本文研究的主要工作为下列3点：(1)基于卷积神经网络的图像超分辨率技术：我们采用全前馈的3层的卷积神经网络来进行图像超分辨率重建。它将先进行特征提取,再将低分辨率空间通过非线性映射层映射到高分辨率空间,最后聚合出高分辨率图像,从而实现了直接用学习的方式完成从低分辨率图像到高分辨率图像的端到端映射,并减少了算法前后的优化工作。本文通过实验,就其性能与运行速度做了权衡比较。(2)非锐化掩膜技术：对结果图进行非锐化掩膜处理,以对其图像进行增强。将重建图像与该图的通过低通滤波后的钝化模糊图像做差,以获得高频分量。再将高频分量的图像放大与重建图像叠加而产生一个边缘增强了的图像。(3)无参考图像评估标准：现有的超分辨率技术的图像评估标准皆为全参考图像评估标准。但实验表明,它们并不能真实地反映图像的质量。所以我们在本论文中再引入BIQI、NIQE、SSEQ这三种无参考图像评估指标。BIQI和SSEQ都是根据特征先用SVM识别图像中的每一种失真类型的概率；再用SVR计算图像在每一种失真类型之中对应的质量；最后用失真类型概率给对应的图像质量进行加权平均以求得最终图像质量。NIQE则是根据失真图像和自然图像的拟合参数之间的距离来衡量图像的质量。综上所述,本论文介绍了超分辨率重建技术,以引入无参考图像评估标准为突破口进行了研究,同时将非锐化掩膜增强技术作为后序的人眼视觉效果优化。实验表明,本论文的方法比起近年来的其他超分辨率技术,它不但有更为轻型结构,还有较快的运行速度,以及差不多或者更好的重建效果。以及非锐化掩膜图像增强技术增强了重建图像的轮廓,使重建图的细节更清晰,使得重建图像更符合视觉的要求。但我们做实验时发现,当待重建图出现较大噪声时,我们仍未能较好地去除噪声,视觉效果依然有待提高。
【关键词】：卷积神经网络 超分辨率 图像评估标准 非锐化掩膜
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP183
【目录】：

• 摘要3-4
• Abstract4-9
• 第一章 绪论9-13
• 1.1 研究背景与意义9-10
• 1.2 国内外研究现状10-12
• 1.3 本文研究内容和结构安排12-13
• 第二章 超分辨率重建技术13-24
• 2.1 超分辨率重建概述13-14
• 2.1.1 超分辨率问题的成像原理13
• 2.1.2 超分辨率问题的数学本质13-14
• 2.2 基于插值的超分辨率技术14-16
• 2.2.1 最邻近插值14-15
• 2.2.2 双线性插值15-16
• 2.2.3 双三次插值16
• 2.3 基于重建的超分辨率技术16-18
• 2.3.1 凸集投影法17
• 2.3.2 迭代反投影法17
• 2.3.3 最大后验概率估计法17-18
• 2.4 基于实例的超分辨率技术18-23
• 2.4.1 基于邻域嵌入的超分辨率技术18-20
• 2.4.2 基于稀疏编码的超分辨率技术20-22
• 2.4.3 基于锚定邻域回归的超分辨率技术22-23
• 2.5 本章小结23-24
• 第三章 图像质量评估24-36
• 3.1 全参考图像质量评估24-28
• 3.1.1 峰值信噪比24-25
• 3.1.2 结构相似度25-26
• 3.1.3 特征相似度26-28
• 3.2 常用图像评估方式中存在的问题28-30
• 3.3 无参考图像评估30-35
• 3.3.1 BIQI算法30-31
• 3.3.2 NIQE算法31-33
• 3.3.3 SSEQ算法33-35
• 3.4 本章小结35-36
• 第四章 基于卷积神经网络的超分辨率重建技术36-58
• 4.1 卷积神经网络36-42
• 4.1.1 核心思想36-37
• 4.1.2 网络结构37-38
• 4.1.3 反向传播算法38-42
• 4.2 基于卷积神经网络的超分辨率技术42-47
• 4.2.1 网络结构42-46
• 4.2.2 训练46-47
• 4.3 实验与结果分析47-56
• 4.3.1 参数选择47-51
• 4.3.2 方法评估51-56
• 4.3.3 噪声影响56
• 4.4 本章小结56-58
• 第五章 非锐化掩膜技术58-66
• 5.1 非锐化掩膜技术简述58
• 5.2 非锐化掩膜技术58-60
• 5.2.1 线性非锐化掩膜技术58-59
• 5.2.2 非线性非锐化掩膜技术59-60
• 5.3 实验与结论60-65
• 5.3.1 线性非锐化掩膜法的实验结果60-62
• 5.3.2 非线性非锐化掩膜法的实验结果62-64
• 5.3.3 实验结论64-65
• 5.4 本章小结65-66
• 第六章 总结和展望66-68
• 6.1 总结66
• 6.2 展望66-68
• 参考文献68-72
• 致谢72

【参考文献】

中国期刊全文数据库 前4条

1 赵岩;孟丽茹;王世刚;陈贺新;;符合人眼视觉感知特性的改进PSNR评价方法[J];吉林大学学报(工学版);2015年01期

2 高立发;杜海清;徐静涛;;基于自然场景统计的无参考图像质量评价算法[J];电视技术;2014年01期

3 林莹;张兆东;刘景夏;张静;;基于形态学梯度的灰度图像质量盲评价[J];计算机应用与软件;2012年01期

4 蒋刚毅;王旭;杨铀;郁梅;;基于Contourlet变换的质降参考图像质量评价模型[J];光电子.激光;2009年12期

中国硕士学位论文全文数据库 前2条

1 虞涛;基于邻域嵌入的图像超分辨率重建研究[D];南京邮电大学;2013年

2 杨志武;基于视觉的图像质量评价方法[D];哈尔滨工业大学;2009年

  本文关键词：基于卷积神经网络的图像超分辨率重建及其视觉改进，，由笔耕文化传播整理发布。

本文编号：348701