基于深度学习的视频图像超分辨率及去模糊技术研究

发布时间：2022-02-26 21:54

　　近年来,得益于计算机视觉理论的日益完善和机器学习尤其是深度学习算法的迅猛发展,图像和视频的超分辨率重建技术和去模糊技术在理论和应用上都取得了突破性的进展。图像和视频的超分辨率和去模糊是两个高度病态问题,通常被分开处理。但是,由于摄像机距离被拍摄物体较远且二者之间产生相对运动会导致现实世界中的大多数图像和视频是低分辨率且带有复杂的模糊形式,这在拍摄的监控视频与体育视频等场景中经常会出现。超分辨率重建方法通常处理的都是模糊核已知且模糊形式简单的低分辨率图像及视频,对于复杂的模糊形式,超分辨率重建的效果普遍较差。在去模糊方法中,虽然其模糊核为复杂且未知的,但其分辨率一般是比较高的。对于低分辨率且具有复杂模糊的输入,仅使用去模糊方法无法生成高分辨率且清晰的结果。为此本文提出了基于深度学习的视频图像超分辨率及去模糊联合方法,其主要工作内容总结如下:1.本文提出了一种基于生成对抗网络的单帧视频图像超分辨率与去模糊联合方法。该方法聚焦于自然场景视频单帧图像,直接从模糊的低分辨率输入中重建出清晰的高分辨率视频帧。首先提出了一个基于生成对抗网络的模型来联合处理单帧视频图像超分辨率和非均匀运动模糊;其次,... 

【文章来源】：西北师范大学甘肃省

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 问题的提出
    1.2 研究背景和意义
        1.2.1 超分辨率
        1.2.2 去模糊
        1.2.3 联合超分辨率与去模糊
    1.3 国内外研究现状分析
        1.3.1 超分辨率
        1.3.2 去模糊
        1.3.3 联合超分辨率与去模糊
    1.4 本文研究内容
    1.5 论文结构安排
第2章 相关理论与技术
    2.1 深度学习简介
        2.1.1 卷积神经网络
        2.1.2 生成对抗网络
    2.2 图像降质原理
    2.3 超分辨率算法介绍
        2.3.1 基于插值的方法
        2.3.2 基于重建的方法
        2.3.3 基于学习的方法
    2.4 去模糊技术
        2.4.1 模糊图像复原模型
        2.4.2 常见的模糊形式
    2.5 本章小结
第3章 基于GAN的单帧视频图像超分辨率与去模糊联合方法
    3.1 基本原理
        3.1.1 残差网络
        3.1.2 损失函数
        3.1.3 全局平均池化层
        3.1.4 激活函数
    3.2 算法设计思路
        3.2.1 网络结构
        3.2.2 损失函数
    3.3 实验结果与分析
        3.3.1 数据集
        3.3.2 网络训练细节
        3.3.3 评价指标
        3.3.4 与其他方法的比较
    3.4 本章小结
第4章 基于动态上采样滤波器的多帧视频图像超分辨率与去模糊联合方法
    4.1 基本原理
        4.1.1 三维卷积
        4.1.2 稠密卷积网络
        4.1.3 动态滤波器卷积
        4.1.4 损失函数
    4.2 算法设计思路
        4.2.1 动态上采样滤波器
        4.2.2 网络结构
    4.3 实验结果与分析
        4.3.1 数据集
        4.3.2 网络训练细节
        4.3.3 与其他方法的比较
    4.4 本章小结
结论
参考文献
致谢
个人简历、在学期间发表的学术论文及研究成果



本文编号：3645049