图像的超分辨率重建(Super-resolution,SR)是图像处理领域中,一种用来提高视觉效果和重建图像高频信息的重要技术。最近年来,由于深度学习在该技术中的广泛应用,图像重建技术也再次成为了研究热点,而卷积神经网络(Convolutional Neural network,CNN)又是深度学习中最流行的方法,从目前的研究来看,出现了众多以改进CNN模型为基础的图像重建算法,例如:基于极深度网络的SRCNN算法,基于整合先验知识的SRCNN算法、基于条件对抗的SRCNN算法及基于SRDNN的算法等,这些方法都有效的解决了图像重建中遇到的各类问题,并在实验中取得了较好的效。本文研究的主要内容仍然以CNN为基础,将图像的超分辨率重建作为应用背景,针对网络中映射函数容易出现过拟合、损失函数收敛性不足及网络深度不够等问题,结合现有的视觉识别算法和深度学习理论提出了两种改进模型:(1)提出了一种改进激活函数和梯度下降法的SRCNN算法  (本文共66页) 本文目录 | 阅读全文>>

本文简要介绍了当前超高清电视的发展现状和超分辨率技术的研究背景,结合目前热门的深度学习方法,对极深超分...  (本文共4页) 阅读全文>>

随着计算机视觉应用的发展,基于单幅图像的超分辨率重建算法成为一大研究热点。超分辨率重建是将一个或多个低分辨率图像,通过信号处理和图像处理的方法,得到最高质量图像的过程。传统的重建算法常常存在计算复杂度高、鲁棒性不强、输入图像需要是固定尺寸的问题,基于卷积神经网络的超分辨率重建算法可以很好地解决这些问题。然而目前的卷积神经网络重建算法只有三层结构,相关研究已经证明,浅层结构对于内部结构不复杂、约束不强的数据具有较好的效果,但是当要处理现实世界中内部结构复杂的数据时,这些模型就会出现表征能力不足的问题。因此为了得到更适合的重建模型,本文深入研究了基于卷积神经网络的超分辨率重建算法,论文的主要工作和创新点如下:1.详细推导了卷积神经网络在图像纹理与细节重建中的联系,通过卷积网络前向传播与反向传播公式的推导,在理论方面证实了卷积神经网络算法在图像重建中的优越性,并且通过梯度算子重建与基于深度卷积神经网络的超分辨率重建的对比实验进行了验证...  (本文共63页) 本文目录 | 阅读全文>>

深度学习在各行业、领域的应用越来越广泛,并且现在的深度神经网络算法已经可以通过给定的样本数据训练成为十分庞杂的模型.对于图像超分辨率重建问题,与经典的方法相比较,基于深度学习的方法能够保留图像更多的细节,且适应性更强,因此越来越受到人们的重视,现已成为图像超分辨率重建技术研究的热门方向.特别地,深度神经网络中的卷积神经网络(CNNs)具有极强的表达能力,在图像超分辨率重建方面取得了令人瞩目的成绩.然而,之前的大多数网络模型并未充分考虑到图像的先验信息,对于图像的很多有效信息并没有深入挖掘和充分利用;另一方面,之前的一些网络主要考虑网络的深度对重建结果的影响,而关于增加网络宽度的改进模型并不多见;此外,各种算法在损失函数的选取方面也没有详细的讨论,都是直接使用一些常见的误差损失函数.针对这些不足,我们提出了一种基于改进卷积神经网络的图像超分辨率重建模型.为了充分利用图像自身的信息,我们在卷积神经网络中加入非局部相似性模块,以便提取...  (本文共46页) 本文目录 | 阅读全文>>

在计算机视觉领域,图像超分辨率重建一直是一个研究热点,具有广泛的应用前景和运用价值。它主要关注在硬件设备性能受限的情况下,利用所获取的单幅或者多幅图像,尽可能地提高图像分辨率,最大限度地恢复图像的细节特征,以满足用户对图像的视觉要求。基于学习的图像超分辨率重建算法是当前最流行的超分辨率重建算法,该类算法通过对训练库中的图像进行学习,得到高分辨率和低分辨率图像之间的非线性的映射关系,从而预测得到低分辨率图像中丢失的大量高频信息。当前基于学习的超分辨率重建方法还有较大的提升空间。深度学习是新兴的机器学习算法,相对于其他的机器学习方法,其优势有:1)处理数据的能力强,在文字、语音等方面的识别结果显示,基于深度学习的方法能大幅提高文字和语音的识别性能;2)能处理大规模的训练数据,是处理大数据的有效工具。受此启发,本文将深度学习算法引入到超分辨率重建问题中,旨在通过设计基于深度学习的模型算法,提高超分辨率图像的质量。本文主要研究内容和创新...  (本文共66页) 本文目录 | 阅读全文>>

红外图像是军事、医疗、安防等领域的重要信息来源,但是红外图像通常分辨率较低,人眼并不能获得很好的视觉体验,传统的红外图像处理方法能够在一定程度上提高红外图像的清晰度,但是仍然有很大的提升空间。随着深度学习的发展,目前基于卷积神经网络的图像超分辨率技术在可见光图像领域已经取得了大量的成果,但是在红外图像领域仍然有待发展。图像超分辨率技术是指通过一帧或多帧低分辨率图像重建出高分辨率图像的方法,这种方法降低了对图像采集设备的要求,利用计算机软件处理的方式就可以得到更高分辨率的图像,大大降低了获得高质量图像的成本。同时,红外图像的分辨率较低,其中的细节难以直接被观察到,因此,本文提出将图像超分辨率技术应用到红外图像上,基于卷积神经网络对红外图像进行超分辨率重建,主要内容包括:本文对三种基于卷积神经网络的图像超分辨率重建算法进行了介绍,提出了一个红外图像测试数据集,将这三种重建算法在下采样后的红外图像数据集上进行了复现,实验表明:利用这三...  (本文共69页) 本文目录 | 阅读全文>>