基于深度学习的视频超分辨率方法应用研究

发布时间：2021-02-10 14:01

　　由于设备的限制,采集到的图像或者视频资源的分辨率可能不能达到人们的要求,而直接使用更高分辨率的设备会大大地增加成本。如果利用软件方法低分辨率视频增强成高分辨率视频,则可以节省这部分成本。超分辨率技术属于图像增强技术,这一技术突破了硬件的限制,可以低配置的硬件上实现分辨率的提高。超分辨率方法一般可以分为基于插值、重建和学习。基于插值和重建的方法虽然效率高,但是细节恢复不是很理想。基于学习的方法因为统计了大量的先验知识,建立从低分辨率到高分辨率的映射关系。特别地,深度学习的迅猛发展,许多研究者把深度学习的技术应用到超分辨率的算法中,得到的视频质量得到很大的提升。本文基于深度学习的超分辨率技术进行研究,并提出新的模型。主要工作如下:超分辨率需要充分利用图像包含的信息来提升图像的分辨率,但是现在许多基于深度学习的超分辨率算法都没有将这些非局部相似性考虑进去。为了解决这一问题,本文提出了基于全局感知网络的超分辨率重建方法。利用非局部相似性计算两个像素点的相似权重,作为图像超分辨率重建的约束条件,充分挖掘丰富的冗余信息,将这些信息进行重建高分辨率图像。实验表明,提出的方法不仅PSNR和SSIM上有... 

【文章来源】：深圳大学广东省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

超分低分辨率

基于内容合成的视频帧间插值

图像编号为“108005”（B100）的图像超分辨率结果（放大4倍）

【参考文献】：
期刊论文
[1]受限波尔兹曼机[J]. 张春霞,姬楠楠,王冠伟.  工程数学学报. 2015(02)
[2]基于OpenCL的FPGA设计优化方法研究[J]. 范兴山,彭军,黄乐天.  电子技术应用. 2014(01)
[3]基于嵌入式GPU虚拟仪表图形软件的实现[J]. 郭云,康涛.  计算机系统应用. 2012(10)
[4]基于GPU的多点触控图像处理技术[J]. 裘皓萍,冯瑞,万时华.  计算机工程. 2012(01)
[5]语言信息处理技术中的最大熵模型方法[J]. 李素建,刘群,张志勇,程学旗.  计算机科学. 2002(07)



本文编号：3027476