基于对称残差连接的图像超分辨率重建算法研究及应用

发布时间：2021-04-01 06:10

　　随着数字图像的快速发展,图像超分辨率重建算法已被医学诊断、遥感探测和视频监控等多个领域所应用。基于学习的重建方法可以获得较好的重建效果,但随着网络深度的增加,基于卷积神经网络的图像超分辨率重建算法容易出现梯度消失和网络退化等问题。本文针对存在的问题,提出了两种基于卷积神经网络的图像超分辨率重建算法,具体工作内容如下:针对深度网络容易出现梯度消失和网络退化现象,提出基于对称残差卷积神经网络的图像超分辨率重建算法。该算法通过在网络模型中设置一种对称残差的跳跃连接方式,实现了残差块内特征信息共享,增强了网络模型对图像深层次特征的提取能力,降低了网络参数量。在残差块外通过长跳连接融合网络全局特征,有效降低了梯度消失和网络退化现象。实验结果表明,该算法在Set5、Set14和BSD100标准数据集上进行2倍、3倍和4倍采样因子重建后的结果优于比较算法,峰值信噪比和结构相似度值较比较算法均有提高。针对遥感图像的信息较丰富且自相关性较强的特点,提出基于对称局部融合块的遥感图像超分辨率重建算法。该算法提出了一种基于局部融合块的卷积神经网络,提高了对遥感图像高频信息重建的效果,并通过在残差块内设置局部融... 

【文章来源】：天津城建大学天津市

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 论文研究的主要内容
    1.4 论文章节安排
    1.5 本章小结
第2章 超分辨率重建与卷积神经网络相关理论
    2.1 图像退化模型
    2.2 卷积神经网络
    2.3 SRCNN
    2.4 重建结果评价标准
    2.5 卷积神经网络软件平台
    2.6 本章小结
第3章 基于对称残差CNN的图像超分辨率重建
    3.1 残差结构
    3.2 基于对称残差CNN的图像超分辨率重建算法
    3.3 实验结果分析
        3.3.1 数据集预处理
        3.3.2 Sym RCN网络结构分析
        3.3.3 实验结果对比分析
    3.4 本章小结
第4章 基于对称局部融合块的遥感图像超分辨率重建
    4.1 特征融合结构
    4.2 基于对称局部融合块的遥感图像超分辨率重建算法
    4.3 实验结果分析
        4.3.1 数据集预处理
        4.3.2 SR-SLFB网络结构分析
        4.3.3 实验结果对比分析
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3112822