基于改进CNN的单幅图像超分辨率重建方法

发布时间：2021-06-02 19:49

　　近几年以来,随着信息科学和软件工程的不断发展,各行各业对尽可能获取更多的有效信息的方法的要求越来越高。通过观察图像可以得到一些图像自带的信息,其在居民生活和国家科技等领域都有着重要应用,对图像所承载的信息量的不断提升就成为人类的不懈追求。但在很多现实情况下图像会产生不同程度的扭曲、模糊化和质量下降,因为诸多因素有时较难得到或者长久保存具有高分辨率的图像。改进分辨率的一种方法是设计先进的拍摄装置,另一种是软件的开发设计和算法的改进来提高图像的分辨率。虽然改进成像设备是最为直接的方法,但由于硬件技术提高困难重重,且成本难以降低等诸多因素的限制,研究者们通过研究算法利用软件技术来攻克这一难题,图像超分辨率重建（super resolution,SR）技术的研究得到研究和重视。该技术本质上就是在一幅或者多幅图像的前提下改进分辨率的技术,而多幅图像就得需要在图像融合技术的支持下才能实现改进图像质量的目的,因此研究多幅图像的前提需要单幅图像超分辨率重建技术（simple image super resolution,SISR）的发展进步和算法的成熟。考虑到图像的重建性能和网络的训练时间以及图像恢复... 

【文章来源】：内蒙古科技大学内蒙古自治区

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

最近邻插值算法

- 16 - 0. 8 0. 3 0.5 图2.1 稀疏编码示意图上图对应的线性表达式为 1 2 256 , , , 0 , 0 , , 0 , 0. 8 , 0 , , 0 , 0. 3 , 0 , 0 , 0. 5 , 0。由于nx R是由高分辨率图像 X 依据预先设定好的尺寸经过分块处理后的所得到的图像块的向量表示，将大量的高分辨率图像进行训练就可以获得一个过完备字典 HD K n，其具有K 个元素，而且其存在一个稀疏系数 和高分辨率图像块x 相互对应，其关系表示如下式2.3 所示：0Hmin ,stx D (式 2.3)由于高分辨率图像 和低分辨率图像Y 本身就具有图像特征上的明确的指向性关系，所以高、低分辨率的图像块x、y之间也具有相应的指向性关系，并且稀疏系数 和高分辨率图像块 也是相互对应的，因此它们之间的关系可表示为下式 2.4 所示：Hy LD (式 2.4)在式 2.4 中

【参考文献】：
期刊论文
[1]基于导向滤波与迭代反向投影的遥感影像超分辨率重建[J]. 郭桐宇.  测绘与空间地理信息. 2019(01)
[2]基于模糊最大似然估计算法的遥感影像分割[J]. 徐艳.  测绘与空间地理信息. 2019(01)
[3]应用纱线序列图像的色纺机织物仿真[J]. 潘如如,李忠健,唐佩君,姜川.  棉纺织技术. 2019(01)
[4]基于LK和FAST的时间序列图像快速配准算法[J]. 荆滢,齐乃新,杨小冈,卢瑞涛.  红外与激光工程. 2018(11)
[5]迭代二次规划遮挡点恢复[J]. 彭亚丽,刘侍刚,孙增国,洪灵,曹菡.  电子学报. 2018(11)
[6]关于深度学习的综述与讨论[J]. 胡越,罗东阳,花奎,路海明,张学工.  智能系统学报. 2019(01)
[7]基于深度卷积神经网络的图像重建算法[J]. 于波,方业全,刘闽,董君陶.  计算机系统应用. 2018(09)
[8]基于生成对抗网络的单帧红外图像超分辨算法[J]. 邵保泰,汤心溢,金璐,李争.  红外与毫米波学报. 2018(04)
[9]超分辨率图像重建效果优化算法研究[J]. 王旸.  控制工程. 2018(05)
[10]红外图像超分辨率重建技术研究[J]. 王岳,李双喜,王磊.  激光与红外. 2018(04)

硕士论文
[1]基于超分辨率重建的图像特征提取方法研究[D]. 徐鹏涛.大连理工大学 2017
[2]基于动态卷积及学习率自适应的图像超分重建方法研究[D]. 曹雪.北京工业大学 2017
[3]协稀疏表示模型在图像复原中的应用[D]. 薛纪令.杭州电子科技大学 2015
[4]基于学习的图像超分辨率重建算法研究[D]. 范开乾.中国科学技术大学 2014
[5]基于L1范数图像超分辨率重建算法研究[D]. 王斌.重庆大学 2014
[6]基于多尺度相似结构学习的单幅图像超分辨率重建[D]. 申世闻.南京理工大学 2014
[7]面向车牌图像增强的多幅图像超分辨率技术研究[D]. 陈娜.长春理工大学 2012



本文编号：3210645