基于卷积神经网络的图像超分辨率重建研究

发布时间：2020-09-24 19:11

　　 图像作为记载信息的一个载体,在我们日常生活中扮演着不可或缺的角色。图像分辨率是一个图像所含细节信息及清晰度的一个指标。一张图像的分辨率高低决定了该图像的清晰度与图像中的细节。所以获得清晰及细节丰富的图像成为图像处理中重要的发展方向。由于获取图像的硬件以及其他一些外部因素的影响,这对我们获取高分辨率图像产生了一定的干扰。为了降低我们获取高像素图像的硬件成本。我们使用软件对图像进行处理来获得清晰度高的图像,这就成为超分辨重建技术(SR)出现的条件之一。SR就是提升图像质量的一种软件方法,它经济有效的特点使它能在图像处理领域脱颖而出。本文研究的主要工作如下:1)系统阐述了超分辨率技术的背景意义。同时对图像质量主客观评价标准进行详细的介绍。简单地介绍超分辨率重建技术发展至今出现的几种算法,同时总结它们各自存在的缺点。2)详细介绍了卷积神经网络的基本原理、网络组成部分以及网络的训练过程。介绍了 SRCNN算法和基于SRCNN算法的改进算法。3)本文提出了一种基于残差网络的超分辨重建算法。该改进算法是基于传统的SRCNN网络模型进行改进的,将残差网络加入到SRCNN三层模型中,增加了 SRCNN网络模型的深度,使其拥有对图像更好的重建效果。最后将改进算法进行实验分析,在实验结果中可以得到较好的重建效果。图[22]表[3]参[56]。
【学位单位】：安徽理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP183
【部分图文】：

图２－２双线性插值原理图逡逑Ｆｉｇ邋２－２邋Ｂｉｌｉｎｅａｒ邋ｉｎｔｅｒｐｏｌａｔｉｏｎ邋ｓｃｈｅｍａｔｉｃ逡逑

图２－３双三次插值基本原理图逡逑Ｆｉｇ邋２－３邋Ｂｉｃｕｂｉｃ邋ｉｎｔｅｒｐｏｌａｔｉｏｎ邋ｂａｓｉｃ邋ｐｒｉｎｃｉｐｌｅ邋ｄｉａｇｒａｍ逡逑

图２－４迭代反投影法重建流程图逡逑Ｆｉｇ邋２－４邋Ｉｔｅｒａｔｉｖｅ邋ｂａｃｋ邋ｐｒｏｊｅｃｔｉｏｎ邋ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ邋ｆｌｏｗｃｈａｒｔ逡逑复原过程这里Ｆ是要输入，Ｘ．的

【参考文献】

相关期刊论文 前7条

1 李欣;;小波变换和模糊凸集投影相结合的图像复原方法研究[J];电子设计工程;2015年17期

2 莫建文;曾儿孟;张彤;袁华;;基于几何字典学习和耦合约束的超分辨率重建[J];红外技术;2015年08期

3 王朝晖;陈龙;焦斌亮;;基于图像非局部自相似性与分类字典学习的超分辨率重建算法[J];小型微型计算机系统;2015年07期

4 吴宣沛;谢勤岚;;基于迭代反投影的彩色图像超分辨率重建[J];计算机与数字工程;2015年06期

5 杨大伟;李丹;李健;;基于POCS的超分辨率重建算法研究[J];微型机与应用;2014年08期

6 洪逸飞;姚琦敏;张贻雄;;一种基于MAP的图像超分辨率重建算法[J];电视技术;2014年07期

7 李海峰;李纯果;;深度学习结构和算法比较分析[J];河北大学学报(自然科学版);2012年05期

相关硕士学位论文 前1条

1 邓彩;图像插值算法研究[D];重庆大学;2011年

本文编号：2826146