基于生成对抗网络的美学图像生成研究

发布时间：2020-04-21 04:40

【摘要】：图像作为蕴含大量信息的载体,在学术研究以及生产生活的各个方面发挥着不可替代的重要作用。随着生活水平的提高,人们越发关注图像的审美效果,倾向于选择具有美学吸引力的图像。图像美学通过模拟人类视觉系统,构建高美学质量的图像,是图像研究领域富有挑战性的课题。本文利用对抗式学习的规则,就生成美学图像方面展开了探索,完成了自动生成具有美学属性的图像和图像美学增强的相关研究。本文的主要工作如下:1.本文提出了一种能够自动生成美学图像的深度模型。现有的生成对抗网络模型大多基于简单的数据集训练,生成的图像在视觉和语义内容方面不够合理,不符合人们的审美需求。为了改善生成图像的美学效果,本工作基于先进的深度卷积生成对抗网络(DCGAN)模型,引入了美学损失函数和视觉内容损失函数,其中美学损失试图最大化图像的视觉美感,而视觉内容损失根据高级视觉内容特征最小化生成的图像与真实图像之间的语义差异。本工作在两个公开的标准数据集上进行实验,定性和定量结果证明了两种损失函数的有效性。2.本文优化了一种能够增强图像美学质量的深度模型。手机等智能工具的普及导致了图像数据呈现爆炸式增长,但是由于拍摄方法和拍摄工具等因素的影响,用户上传分享的图像存在不够美观的现象。为了增强图像的美学效果,该模型探索了一种能够自动的端到端的提升图像美学质量的方法,利用增强网络的逆映射网络减弱了对于训练中要求成对数据集的限制,同时设计了有效的损失函数,即通过生成对抗规则构建在训练中主动学习的颜色和纹理损失,增强生成图像平滑性的总变分损失,这些损失在一定程度上改善了图像的美学质量。本文在此基础上改进了内容一致性损失的设计思路,在多个公开数据集上的实验验证了优化方法的有效性。
【图文】：

图 2.1AlexNet 的网络结构[39]Fig 2.1 The structure of AlexNet network[39]为了更深入地了解 CNN 网络的原理，下面以 AlexNet 为例，详细地叙

ReLU激活函数
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 李昂;宋晓莹;;基于生成对抗网络的遥感图像超分辨率重建[J];光学与光电技术;2019年06期

2 孙旭;李晓光;李嘉锋;卓力;;基于深度学习的图像超分辨率复原研究进展[J];自动化学报;2017年05期

3 曾凯;丁世飞;;图像超分辨率重建的研究进展[J];计算机工程与应用;2017年16期

4 沈焕锋;李平湘;张良培;王毅;;图像超分辨率重建技术与方法综述[J];光学技术;2009年02期

5 丁海勇;卞正富;;数字图像超分辨率重构技术研究[J];计算机与数字工程;2007年10期

6 孔玲莉,黄华,齐春,刘美娟;图像超分辨率研究的最新进展[J];光学技术;2004年03期

7 谢雪晴;;基于残差密集网络的单幅图像超分辨率重建[J];计算机应用与软件;2019年10期

8 李昂;;基于对抗神经网络和语义分割技术的图像超分辨率系统的研发和应用[J];有线电视技术;2019年11期

9 张清勇;陈智勇;骆潇原;;基于生成网络的遥感图像超分辨率的研究[J];实验室研究与探索;2019年03期

10 王威;张彤;王新;;用于图像超分辨率重构的深度学习方法综述[J];小型微型计算机系统;2019年09期

相关会议论文 前10条

1 林国强;王博;孔英会;胡启杨;;基于压缩感知的变电站巡检图像超分辨率重建[A];第37届中国控制会议论文集（F）[C];2018年

2 姜倩茹;白煌;;基于双字典设计的图像超分辨率重构[A];信号处理在生仪2014学术年会论文集[C];2014年

3 杨浩;高建坡;陈向东;吴镇扬;;利用示例图像获取先验知识的图像超分辨率重建算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

4 张东;韩军;;图像超分辨率重建算法研究[A];2010年西部光子学学术会议摘要集[C];2010年

5 阮小燕;陈向宁;高孟男;;基于相位相关法与小波变换的图像超分辨率重建[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

6 张煜东;吴乐南;奚吉;王水花;;变长小生境算法用于图像超分辨率复原[A];2009年通信理论与信号处理学术年会论文集[C];2009年

7 闫允一;郭宝龙;;基于小波的图像超分辨率重建算法研究[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

8 张琼;付怀正;沈民奋;;基于稀疏表示的彩色图像超分辨率重建算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 姚林;;基于双边滤波插值图像超分辨率重建算法研究[A];云南省测绘地理信息学会2015年学术年会论文集[C];2015年

10 韩玉兵;殷玮玮;吴乐南;;基于Wavelet-HMM的图像超分辨率重建[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

相关重要报纸文章 前2条

1 记者 刘肖勇 蔡敏霞 通讯员 严PrPr;一套算法让模糊低清小视频变高清[N];广东科技报;2019年

2 本报见习记者 丁宁宁 通讯员 严PrPr;一套算法夺四项冠军[N];中国科学报;2019年

相关博士学位论文 前10条

1 邱康;基于机器学习的图像超分辨率重建关键技术研究[D];武汉大学;2018年

2 张凤珍;分离字典优化及其在图像处理中的应用[D];北京交通大学;2018年

3 肖斐;图像超分辨率与基于目标模型的目标识别方法研究[D];华中科技大学;2017年

4 唐永亮;单幅图像超分辨率重建方法研究[D];重庆大学;2018年

5 岳波;基于学习的图像超分辨率重建方法研究[D];西安电子科技大学;2018年

6 孙镱诚;基于压缩感知的图像超分辨率重建方法研究[D];南京理工大学;2018年

7 魏烨;单幅图像超分辨率重建方法及其视觉位移测量应用研究[D];中国科学技术大学;2019年

8 翟海天;图像超分辨率重建关键技术研究[D];西北工业大学;2016年

9 查志远;基于稀疏表示与低秩模型的图像复原算法研究[D];南京大学;2018年

10 徐向阳;RGB-D图像内容分析关键技术研究[D];南京大学;2018年

相关硕士学位论文 前10条

1 李超;基于卷积神经网络的图像超分辨率重建研究[D];安徽理工大学;2019年

2 王博琛;基于稀疏字典学习的遥感图像超分辨率重建研究[D];西北大学;2019年

3 房W汌，

本文编号：2635376