基于卷积神经网络的混合分辨率视频超分辨率技术研究

发布时间：2021-04-25 01:36

　　人类处理的大部分信息来源于视觉获得的图像信息,图像信息也在人类生产生活的各方面都有着重要作用。分辨率较低的图像存在模糊、质量低下和主观感觉差等问题,为了提高图像的质量,超分辨率技术被提出且不断发展,目前在日常娱乐、公共监控、卫星成像、医学图像处理等多个领域中都发挥着至关重要的作用。神经网络目前发展迅速,且在图像处理任务中广泛使用。基于神经网络的超分辨率技术通过学习大量的高低分辨率对,能够为待重建图像补充足够的细节信息,因此有着非常好的性能表现。但是在图像超分辨率重建中,高性能的网络结构都存在结构复杂、参数量多等问题,只能在特定的有充足计算资源的情况下使用。在视频超分辨率重建中,网络结构没有利用到图像算法的先验信息,且单一网络结构庞大、缺少灵活性。针对这些问题,本文开展了相关研究。本文研究了基于神经网络的图像超分辨率算法,提出了一个轻量级神经网络,可以使用较少资源完成高质量的重建。主要研究内容包括:（1）研究在参数量和计算量不变的前提下,如何提高残差模块的性能。（2）研究如何引入通道注意力机制,并做出相应的改进。（3）研究密集连接和残差连接,并提出了更高效率的网络连接结构。在实验中,本文... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
缩略词表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究发展与现状
        1.2.1 图像超分辨率研究现状
        1.2.2 混合分辨率视频超分辨率研究现状
    1.3 论文主要工作与创新点
    1.4 论文章节安排
第二章 超分辨率相关技术基础
    2.1 超分辨率技术基础
        2.1.1 图像退化模型
        2.1.2 超分辨率重建
    2.2 神经网络基础及发展
    2.3 卷积神经网络在超分辨率中的应用
        2.3.1 基于神经网络的图像超分辨率技术
        2.3.2 基于神经网络的视频超分辨率技术
    2.4 图像质量评价指标
    2.5 本章小结
第三章 基于轻量级神经网络的图像超分辨技术研究
    3.1 图像超分辨率技术中的轻量级神经网络
    3.2 本文设计的轻量级神经网络
        3.2.1 残差结构及改进
        3.2.2 注意力机制及改进
        3.2.3 总体网络结构
    3.3 实验结果及分析
        3.3.1 实验细节介绍
        3.3.2 网络结构分析
        3.3.3 与现有算法比较
    3.4 本章小结
第四章 混合分辨率视频超分辨技术研究
    4.1 混合分辨率视频超分辨介绍
    4.2 结合图像超分辨的混合分辨率视频超分辨框架
        4.2.1 混合分辨率视频超分辨框架
        4.2.2 邻近帧信息补偿网络结构
    4.3 实验结果及分析
        4.3.1 实验细节介绍
        4.3.2 邻近帧信息补偿网络结构分析
        4.3.3 混合分辨率视频超分辨率框架分析
        4.3.4 与现有算法比较
    4.4 本章小结
第五章 总结与展望
    5.1 全文总结
    5.2 后续工作展望
致谢
参考文献
硕士期间成果


【参考文献】：
期刊论文
[1]使用非均匀采样复原理论进行裂纹修复的混合分辨率多视角图像超分辨(英文)[J]. 丁兰,傅志中,李晓峰,曾蕾.  光电工程. 2013(11)
[2]基于PSNR立体图像质量客观评价方法[J]. 杨嘉琛,侯春萍,沈丽丽,张卓筠.  天津大学学报. 2008(12)

硕士论文
[1]基于卷积神经网络的视频超分辨技术研究[D]. 敬琳萍.电子科技大学 2019



本文编号：3158450