基于多尺度残差密集网络和对抗学习的图像超分辨率重建方法研究

发布时间：2025-01-15 10:36

　　图像具有信息储存量大、直观等优点,在信息时代的发展过程中占据着重要的地位。图像的分辨率是图像质量最重要的评价指标之一,代表了图像中储存的信息量。通常图像的分辨率越高,其包含的信息量就越大,因此,提升图像分辨率对于信息的存储和利用有十分重要的意义。图像超分辨率重建主要通过软件方法来实现图像分辨率的提升,重点在于软件算法的提升,而不是硬件的提升,大大的降低了研究和应用成本。在生产生活中,超分辨率重建在视频监控、遥感测绘和医学影像等领域有很广阔的应用前景。随着深度学习的研究与发展,卷积神经网络得到快速发展。近期的研究证明,深度卷积神经网络可以显著提高图像超分辨率的重建效果。根据目前图像超分辨率领域的研究来看,对重建图像质量的评价分为主观评价和客观评价,两种评价标准的区别在于主观评价标准为重建图像与原图像的视觉误差,而客观评价标准为图像间的像素误差。本文针对这两个问题,分别提出了多尺度残差密集网络(MSRDN)和Wasserstein超分辨率对抗网络(SRWGAN),MSRDN目的是减少重建图像与原图像的像素误差,SRWGAN则是为了生成视觉上更好的图像。首先,考虑到以往的深度神经网络中,图像特...

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

图2-1Sigmoid函数图像

工程硕士专业学位论文62.1.2学习范式机器学习最常见的两种范式包括：监督学习和无监督学习。（1）监督学习在监督学习中，向学习者（通常是计算机程序）提供两组数据：一个训练集和一个测试集。训练集是一组有标记的例子，目的是从有标记的例子中学习，使得能够尽可能的识别测试集中的未标记的例....

图2-2Tanh函数图像

2相关理论介绍7（2）Tanh函数函数的公式为：xxeexf2211)(（2.2）函数图像如下：图2-2Tanh函数图像Figure2-2TanhfunctionimageTanh函数和Sigmoid函数都是非线性函数，它们有共同的特点，在x很大或者很小的时候，梯度近似等于0，因....

图2-3Relu函数图像

2相关理论介绍7（2）Tanh函数函数的公式为：xxeexf2211)(（2.2）函数图像如下：图2-2Tanh函数图像Figure2-2TanhfunctionimageTanh函数和Sigmoid函数都是非线性函数，它们有共同的特点，在x很大或者很小的时候，梯度近似等于0，因....

图2-4残差块Figure2-4Residualblock

2相关理论介绍9（2）最大后验估计在贝叶斯统计中，最大后验估计（MAP）估计是对未知量的估计，等于后验分布的模式。MAP可用于根据经验数据获得未观测量的点估计。它采用了一个增广的优化目标，该目标包含一个先验分布（通过对相关事件的先验知识量化可用的附加信息）超过一个要估计的量。因此....

本文编号：4027276