基于卷积神经网络的图像超分辨方法研究

发布时间：2022-07-10 14:27

　　图像超分辨率（Image Super-resolution,SR）任务是对于输入的低分辨（low-resolution image,LR）图像,通过模型方法处理,输出高质量高分辨率（high-resolution image,HR）图像。目前,基于卷积神经网络的图像超分辨方法取得了较为令人满意的超分辨效果。但是这些方法主要假设低分辨率图像由高分辨率图像经过单一的双三次（bicubic）插值降采样得到,当真实LR图像的退化过程不遵循单一下采样假设时,模型超分辨性能大大减低。在众多图像超分辨算法中,SRMD模型利用图像退化的先验知识能够有效处理多退化因子图像超分辨问题。但是SRMD模型假定图像退化参数已知,导致模型很难直接应用于实际。与此同时,SRMD模型也不能单模型处理多尺度因子超分辨问题。为了实现单模型处理多尺度和多退化因子超分辨任务,本文在SRMD模型基础上进行优化改进,首先通过优化其网络结构,去除需要特定尺度因子的亚像素卷积层,实现对于任意尺度因子超分辨问题进行处理,提高模型的实用性。为了进一步优化多尺度因子超分辨模型的处理速度和模型大小,本文使用深度学习模型的压缩方法,将传统卷积... 

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景与研究意义
    1.2 国内外研究现状
    1.3 图像质量评价标准
    1.4 本文主要研究内容
    1.5 本文主要章节内容
第2章 多退化因子图像的超分辨模型
    2.1 多退化因子图像超分辨模型和实验数据构建
    2.2 基于卷积神经网络的多退化因子图像超分辨模型
        2.2.1 SRMD模型
        2.2.2 基于卷神经网络的多尺度和多退化因子图像超分辨模型
    2.3 基于MobileNet压缩的图像超分辨模型
        2.3.1 MobileNet压缩模型
        2.3.2 基于MobileNet的多退化因子图像超分辨模型
        2.3.3 结果与分析
    2.4 本章小结
第3章 基于卷积神经网络的退化参数图谱估计模型
    3.1 基于简单卷积网络的图像退化参数图谱估计网络
    3.2 基于ResBlock结构的图像退化参数图谱估计网络
    3.3 结果与分析
    3.4 本章小结
第4章 基于深度残差估计的图像超分辨模型
    4.1 基于深度残差估计的图像超分辨模型
    4.2 多退化因子图像超分辨实验
    4.3 真实图像超分辨实验
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]图像质量评价研究综述[J]. 周景超,戴汝为,肖柏华.  计算机科学. 2008(07)
[2]客观评估彩色图像质量的超复数奇异值分解法[J]. 叶佳,张建秋,胡波.  电子学报. 2007(01)



本文编号：3657851