基于深度学习的图像/视频超分辨率算法研究

发布时间：2021-04-21 03:03

　　图像/视频超分辨率技术（Super-Resolution,SR）属于图像/视频复原技术的一种,将低分辨率（Low-Resolution,LR）图像/视频恢复成高分辨率（High-Resolution,HR）图像/视频,也可以看作是寻找LR图像/视频与HR图像/视频之间的非线性映射。目前超分辨率已经被成功地应用到医疗成像、视频监控和遥感成像等领域,研究图像和视频的超分辨率具有重要的意义。我们对基于深度学习的图像和视频的超分辨率算法进行了研究,主要研究成果如下:首先,提出了一种级联的多列卷积神经网络的图像超分辨率算法。该算法从LR图像中提取多尺度特征来重建对应的HR图像。为了减少了卷积的计算开销,算法直接将原始LR图像直接作为网络的输入,学习双三次插值后的LR图像与对应HR图像之间的残差图像。此外,为了达到更好的重建质量,我们使用平均绝对误差作为损失函数来优化网络。实验结果表明,我们提出的方法在重建质量和计算效率上优于以往很多算法。在此基础上,提出了一种基于局部二值模式（Local Binary Patterns,LBP）先验的多列卷积神经网络的图像超分辨率算法。利用LBP可描述图像局部纹... 

【文章来源】：上海大学上海市 211工程院校

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
英文缩略词
第1章 绪论
    1.1 课题来源
    1.2 课题研究的背景和意义
    1.3 研究现状
        1.3.1 图像超分辨率方法研究
        1.3.2 视频超分辨率方法研究
    1.4 论文主要研究内容及结构安排
第2章 基于深度学习的超分辨率概述
    2.1 引言
    2.2 问题定义
    2.3 数据集
    2.4 质量评价
        2.4.1 峰值信噪比
        2.4.2 结构相似性
        2.4.3 平均主观意见分
    2.5 上采样
        2.5.1 预上采样超分辨率
        2.5.2 后上采样超分辨率
        2.5.3 渐进上采样超分辨率
        2.5.4 迭代上下采样超分辨率
    2.6 网络结构
        2.6.1 残差网络
        2.6.2 递归网络
        2.6.3 密集连接网络
        2.6.4 基于注意力机制的网络
        2.6.5 多路径网络
    2.7 损失函数
        2.7.1 像素损失
        2.7.2 内容损失
        2.7.3 对抗损失
    2.8 本章小结
第3章 基于深度学习的图像超分辨率算法
    3.1 引言
    3.2 基于级联的多列卷积神经网络的图像超分辨率算法
        3.2.1 网络结构
        3.2.2 图像重建
        3.2.3 实验结果与分析
    3.3 基于局部二值模式先验的多列卷积神经网络的图像超分辨率算法
        3.3.1 局部二值模式
        3.3.2 网络结构
        3.3.3 实验结果与分析
    3.4 本章小结
第4章 基于深度学习的视频超分辨率算法
    4.1 引言
    4.2 基于循环多列3D卷积网络的视频超分辨率算法
        4.2.1 光流估计
        4.2.2 运动补偿
        4.2.3 多列3D卷积网络
    4.3 实验结果与分析
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者在攻读硕士学位期间公开发表的论文
作者在攻读硕士学位期间所作的项目
致谢


【参考文献】：
期刊论文
[1]基于三次样条插值的图像放大的离散算法[J]. 王忠谦,朱宁.  苏州大学学报(自然科学版). 2005(02)



本文编号：3150924