基于亚像素卷积神经网络的图像超分辨率重建

发布时间：2021-03-14 08:50

　　随着数字时代的到来,以图像为媒介的信息处理方式已经被广泛应用于各种场景中。图像的分辨率的高低可以影响到信息获取的完善程度,高分辨率图像可以提供更多的数据信息。近年来,基于深度学习的多个网络模型在图像超分辨率重建领域的精度和计算性能方面相比于传统方法上有了很大的提升。但这些网络模型里低分辨率图像在预处理阶段通常会先使用双三次插值的方法放大为与目标图像同尺寸的高分辨率图像。这意味着在网络训练过程中需要在高分辨率图像空间中进行操作,这样会增加网络的计算复杂度。虽然加深网络的深度可以有效的提升图像的重建精度,但仅增加网络层数会导致梯度爆炸和梯度消失问题。因此,本文针对上述问题提出一种基于亚像素卷积网络的图像超分辨率重建方法,主要研究内容包括:在图像预处理阶段将低分辨率图像的颜色通道RGB空间转换为YCbCr空间,并采用低分辨率图像的亮度通道作为网络输入使网络训练过程在低分辨率图像空间中进行,以减少网络计算量,有效提高网络的训练效率。构建两层特征提取层,使图像的特征获取更为精准;构建四层非线性映射层,深层的网络具有更加丰富的语义信息,因此加深网络层数可以提取到更多的图像信息。利用残差网络层代替部... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图１．１遥感成像丨来自于百度图片－遥感图像丨??

图１．３视频监控成像丨来自于百度图片－监控图像１??

图２．１传统神经网络??

【参考文献】：
期刊论文
[1]图像超分辨率重建技术综述[J]. 王春霞,苏红旗,范郭亮.  计算机技术与发展. 2011(05)
[2]图像超分辨率研究综述[J]. 王晓文,刘雨.  信息技术. 2009(07)
[3]超分辨率算法研究综述[J]. 浦剑,张军平,黄华.  山东大学学报(工学版). 2009(01)



本文编号：3081855