基于卷积神经网络的单帧图像超分辨率算法研究

发布时间：2022-02-19 21:22

　　在计算机视觉领域中,单帧图像超分辨率是一个非常经典的问题。它的目标是由一幅低分辨率图像生成对应的高分辨率图像,同时保证得到的高分辨率图像有清晰的线条和纹理特征。近年来,随着深度学习的发展,卷积神经网络被应用在越来越多的计算机视觉任务中并取得了十分理想的效果,其中包括单帧图像超分辨率任务。基于卷积神经网络的单帧图像超分辨率算法是一种基于学习的算法,该类算法从大量低分辨率和对应的高分辨率图像对所组成的训练集中,直接学习从低分辨率图像到对应高分辨率图象的映射关系。近年来,人们提出了结构更深和跳跃连接更多的单帧图像超分辨卷积神经网络,通过利用更大的感受域和更好地利用多尺度特征获得了更好的重建图像质量,但这些单帧图像超分辨率卷积神经网络需要大量的计算量和内存。因此,如何在保证超分辨率效果的情况下提升计算效率是亟待解决的问题。本文首先对卷积神经网络中的感受域和多尺度特征进行了研究,在此基础上提出了一种可以快速获取大的感受域的网络模块,命名为快速感知模块。随后,通过并联快速感知模块构建了快速感知超分辨率卷积神经网络。实验结果表明,快速感知超分辨率卷积神经网络在保证超分辨率效果的同时具有更好的计算效率... 

【文章来源】：西南交通大学四川省211工程院校教育部直属院校

【文章页数】：65 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 单帧图像超分辨率研究现状
    1.3 论文的主要工作和章节安排
第2章 基于卷积神经网络的单帧图像超分辨率算法
    2.1 单帧图像超分辨率数学模型
    2.2 卷积神经网络概述
        2.2.1 卷积神经网络发展历程
        2.2.2 卷积神经网络中的卷积操作及其特性
        2.2.3 卷积神经网络的基本结构
        2.2.4 反向传播算法
    2.3 基于卷积神经网络的单帧图像超分辨率算法
        2.3.1 SRCNN
        2.3.2 VDSR
        2.3.3 FSRCNN
    2.4 超分辨率结果的评价标准
        2.4.1 峰值信噪比
        2.4.2 结构相似性
    2.5 本章小结
第3章 快速感知超分辨率卷积神经网络
    3.1 转置卷积层
    3.2 感受域
    3.3 快速感知模块
    3.4 网络结构
        3.4.1 预卷积部分
        3.4.2 多尺度特征融合部分
        3.4.3 重构部分
    3.5 实验结果
        3.5.1 训练和测试数据集
        3.5.2 网络的实施细节
        3.5.3 感受域和多尺度特征的重要性
        3.5.4 测试结果
    3.6 本章小结
第4章 快速简洁的超分辨率卷积神经网络
    4.1 空洞卷积
    4.2 跳跃连接
        4.2.1 残差学习
        4.2.2 密集连接
    4.3 网络结构
        4.3.1 特征提取部分
        4.3.2 多尺度特征推理部分
        4.3.3 重构部分
    4.4 简洁性分析
    4.5 实验结果
        4.5.1 训练和测试数据集
        4.5.2 网络的实施细节
        4.5.3 测试结果
        4.5.4 相关实验
    4.6 本章小节
总结与展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果



本文编号：3633643