基于改进的生成式对抗网络的图像超分辨率重建算法研究
发布时间：2021-02-18 19:15
图像超分辨率重建（Super-Resolution Image Reconstruction,SRIR 或 SR）是计算机视觉（ComputerVision）和图像处理（Image Processing）的重要分支之一,具有极为广泛的应用价值。传统的图像超分辨率重建方法存在算法效率低、细节模糊丢失、重建图像质量差等问题,已无法满足人类对于高质量图像的要求。基于深度学习的方法在重建高分辨率图像领域比传统方法更加高效,恢复图像的质量更高。但是,基于深度学习的重建方法仍然存在网络模型不稳定、高频信息处理模糊等问题。近年来,基于生成对抗网络的图像超分辨率算法取得了良好的重建效果。本文对生成对抗网络进行了深入研究,提出了两种改进的生成对抗网络的图像超分辨率方法。本文的主要内容如下:（1）首先概述了图像超分辨率重建的研究背景,以及传统的图像超分辨重建技术的理论基础,包括基于插值、基于重建和基于学习的方法,并对比分析了这些方法的优势以及弊端。其次,综述一些已有的基于深度学习的图像超分辨率重建方法,着重介绍了基于生成对抗网络的重建方法。（2）提出了基于SRGAN模型的改进方法——SRCGAN（Supe...
【文章来源】：青岛大学山东省
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 传统的图像超分辨率重建方法
1.2.2 基于深度学习的图像超分辨率重建研究现状
1.3 论文主要研究内容
1.4 论文的组织结构
第二章 图像超分辨率重建的理论基础及相关技术
2.1 图像超分辨率重建的基础理论
2.1.1 图像超分辨率概念
2.1.2 图像超分辨率退化模型
2.2 图像超分辨率重建的分类
2.2.1 基于插值的SR重建方法
2.2.2 基于重建的SR重建方法
2.2.3 基于学习的SR重建方法
2.3 基于生成对抗网络的图像超分辨率重建方法
2.3.1 GAN理论概述
2.3.2 生成对抗网络的数学描述及最优化问题表达
2.3.3 生成对抗网络的训练过程及优缺点
2.4 本章小结
第三章 基于SRGAN的图像超分辨率重建算法的改进
3.1 生成对抗网络的衍生模型
3.1.1 条件生成对抗网络（CGAN）
3.1.2 PatchGAN
3.2 网络结构设计
3.2.1 SRGAN网络结构
3.2.2 改进的网络模型——SRCGAN
3.3 实验设计及结果分析
3.3.1 数据选择及实验设置
3.3.2 评价标准
3.3.3 实验描述
3.3.4 实验结果
3.4 本章小结
第四章 基于多尺度GAN的图像超分辨率重建的算法
4.1 LapSRN的网络模型
4.1.1 Laplacian Pyramid算法概述
4.1.2 LapSRN 网络概述
4.1.3 LapGAN 网络概述
4.2 改进的多尺度超分辨率图像重建网络模型设计
4.2.1 多尺度重建的拉普拉斯金字塔网络结构设计
4.2.2 生成器G网络设计
4.2.3 判别器D网络设计
4.3 损失函数
4.3.1 内容损失函数
4.3.2 对抗损失函数
4.4 实验设计及结果分析
4.4.1 数据集简介
4.4.2 实验描述
4.4.3 图像客观评价分析
4.4.4 图像主观评价分析
4.5 本章小结
第五章 结论与展望
5.1 全文总结
5.2 展望
参考文献
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]融合感知损失的生成式对抗超分辨率算法[J]. 杨娟,李文静,汪荣贵,薛丽霞. 中国图象图形学报. 2019(08)
[2]基于K-L散度和散度均值的改进矩阵CFAR检测器[J]. 赵兴刚,王首勇. 中国科学:信息科学. 2017(02)
[3]高性能探测成像与识别的研究进展及展望[J]. 王雪松,戴琼海,焦李成,洪文,徐立军,邢孟道,冯德军,陈思伟,代大海. 中国科学:信息科学. 2016(09)
[4]遥感图像超分辨率研究的现状和发展[J]. 吴琼,田越,周春平,宫辉力,李小娟,赵文吉. 测绘科学. 2008(06)
博士论文
[1]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]. 魏烨.中国科学技术大学 2019
[2]基于学习的图像超分辨率重建方法研究[D]. 岳波.西安电子科技大学 2018
本文编号：3039979
【文章来源】：青岛大学山东省
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 传统的图像超分辨率重建方法
1.2.2 基于深度学习的图像超分辨率重建研究现状
1.3 论文主要研究内容
1.4 论文的组织结构
第二章 图像超分辨率重建的理论基础及相关技术
2.1 图像超分辨率重建的基础理论
2.1.1 图像超分辨率概念
2.1.2 图像超分辨率退化模型
2.2 图像超分辨率重建的分类
2.2.1 基于插值的SR重建方法
2.2.2 基于重建的SR重建方法
2.2.3 基于学习的SR重建方法
2.3 基于生成对抗网络的图像超分辨率重建方法
2.3.1 GAN理论概述
2.3.2 生成对抗网络的数学描述及最优化问题表达
2.3.3 生成对抗网络的训练过程及优缺点
2.4 本章小结
第三章 基于SRGAN的图像超分辨率重建算法的改进
3.1 生成对抗网络的衍生模型
3.1.1 条件生成对抗网络（CGAN）
3.1.2 PatchGAN
3.2 网络结构设计
3.2.1 SRGAN网络结构
3.2.2 改进的网络模型——SRCGAN
3.3 实验设计及结果分析
3.3.1 数据选择及实验设置
3.3.2 评价标准
3.3.3 实验描述
3.3.4 实验结果
3.4 本章小结
第四章 基于多尺度GAN的图像超分辨率重建的算法
4.1 LapSRN的网络模型
4.1.1 Laplacian Pyramid算法概述
4.1.2 LapSRN 网络概述
4.1.3 LapGAN 网络概述
4.2 改进的多尺度超分辨率图像重建网络模型设计
4.2.1 多尺度重建的拉普拉斯金字塔网络结构设计
4.2.2 生成器G网络设计
4.2.3 判别器D网络设计
4.3 损失函数
4.3.1 内容损失函数
4.3.2 对抗损失函数
4.4 实验设计及结果分析
4.4.1 数据集简介
4.4.2 实验描述
4.4.3 图像客观评价分析
4.4.4 图像主观评价分析
4.5 本章小结
第五章 结论与展望
5.1 全文总结
5.2 展望
参考文献
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]融合感知损失的生成式对抗超分辨率算法[J]. 杨娟,李文静,汪荣贵,薛丽霞. 中国图象图形学报. 2019(08)
[2]基于K-L散度和散度均值的改进矩阵CFAR检测器[J]. 赵兴刚,王首勇. 中国科学:信息科学. 2017(02)
[3]高性能探测成像与识别的研究进展及展望[J]. 王雪松,戴琼海,焦李成,洪文,徐立军,邢孟道,冯德军,陈思伟,代大海. 中国科学:信息科学. 2016(09)
[4]遥感图像超分辨率研究的现状和发展[J]. 吴琼,田越,周春平,宫辉力,李小娟,赵文吉. 测绘科学. 2008(06)
博士论文
[1]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]. 魏烨.中国科学技术大学 2019
[2]基于学习的图像超分辨率重建方法研究[D]. 岳波.西安电子科技大学 2018
本文编号：3039979
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3039979.html
