基于GAN的手机拍摄图像增强算法研究

发布时间：2021-01-04 01:32

　　智能手机的拍照功能十分便捷,与人们日常生活密不可分,随着科技的发展和人们生活水平的日益提升,人们对手机拍照质量的要求也逐渐提高,但是由于智能手机体积较小,必然导致其内置相机的物理限制——镜头的光学参数、传感器的尺寸以及缺乏特定硬件支持等,对其拍照质量大有影响,无法达到单反相机的拍照质量。物理上的限制无法完全克服,但可以通过后期处理进行图像增强,从而提升照片质量。目前后期处理的方法通常是通过专业的修图软件进行手动调整,费时费力且需具备一定的专业技能。因此论文提出一种全自动端到端的基于深度学习的方法,其目标是利用神经网络直接学习手机照片到单反照片的映射,常见的处理图像到图像转换问题的深度学习方法是利用均方误差损失函数加卷积神经网络。论文主要工作包括以下方面:（1）对损失函数与网络架构进行优化,在传统的均方误差损失函数上加上对抗损失和内容损失组成一个多项损失函数使生成图像更真实,替换标准的卷积神经网络为生成对抗网络,并在其中引入残差网络的跳跃连接使图像细节信息更好的保留。（2）开发一个基于Web端的手机照片增强系统,将训练好的网络模型移植到服务器上以提供一种服务,用户可以通过网页端上传手机照... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

图２－１?ＭＰ模型神经元结构示意图??

２．２前馈神经网络??前馈神经网络（Ｆｅｅｄｆｏｒｗａｒｄ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，ＦＮＮ）是人工神经网络中最简单??也最为基础的一种神经网络。前馈神经网络结构如图２－２所示，网络中大体可以??分为３种类层，将第一层称为输入层，最后一层为输出层，其他中间层称为隐藏??层，每层包含若干个神经元。每一个神经元都只接受上一层神经元的输出，然后??传递给下一层神经元，以此类推，直至输出层输出整个网络的结果，整个网络都??沿一个方向传播，其间没有任何反馈。??图２－２前馈神经网络结构图??前馈神经网络的传播过程为，假设输入层有ｎ个输入；ｃ，，对应有ｎ个权重??ｂ为偏置项，将其加权和传递给下一层中的神经元，然后通过神??／＝１??经元中的激活函数笑（；〇后得到输出ｙＵ）：??ａ??ｙ（ｘ）＝尺?Ｕ（ｊｖ））?＝?ｇ（［＜ｙ，ｊｒ，?＋?Ａ）?（２－１）??／＝！??对于第／层网络

输入值的加权和进行非线性变换。如果没有激活函数，每个神经元节点只能进行??线性变换，即使增加再多的神经元和网络层，最终的输出也只是输入的线性变换??的叠加，这是无法处理现实世界中大多数情形下线性不可分数据的。如图２－３为??几种常用的激活函数：??ｙ?个?ｙ??０?ｘ?０?ｘ??Ｓｉｇｍｏｉｄ?ＲｃＬｕ??ｙ个?，??０?Ｘ??＾?０?Ｘ??＿Ｊ??ｔａｎｈ?Ｌｅａｋｙ?Ｒｅ?Ｉ＾Ｕ??图２－３常用激活函数图??（１）?Ｓｉｇｍｏｉｄ函数：表达式为（２－３）式，函数输出范围在［０，１］之间，总是??非负值，函数单调递增，当取一个较大负值时输出为０，当取一个较大正值时输??１０??


本文编号：2955880