【摘 要】
：
近年来,图像超分辨率重建技术在数据传输、图像处理以及其他领域有着广泛的应用。但是由于各方面因素干扰,使得算法目前在各方面依旧有待提升。为了提升所得图像重建质量,超分辨率算法研究及硬件实现就具有十分重要的意义。目前最新的超分辨率网络虽然重建图像效果很好,但是存在网络结构复杂,训练参数量过大,训练技巧困难等问题,不利于后续的硬件实现。为了在重建速度、重建质量、网络结构复杂度之间寻找一个平衡,本文以超深
论文部分内容阅读
近年来,图像超分辨率重建技术在数据传输、图像处理以及其他领域有着广泛的应用。但是由于各方面因素干扰,使得算法目前在各方面依旧有待提升。为了提升所得图像重建质量,超分辨率算法研究及硬件实现就具有十分重要的意义。目前最新的超分辨率网络虽然重建图像效果很好,但是存在网络结构复杂,训练参数量过大,训练技巧困难等问题,不利于后续的硬件实现。为了在重建速度、重建质量、网络结构复杂度之间寻找一个平衡,本文以超深度卷积神经网络（VDSR）为基础结构进行研究改进,提出了一种多尺度残差的轻量级图像超分辨率重建网络。首先在整体结构方面对VDSR网络进行轻量化减层操作。随后在特征提取阶段,使用不同大小的卷积核进行特征提取,更有效的提取输入图像的信息。在特征映射阶段引入残差网络,构建一个多路径残差链接来学习高低分辨率图像间残差特征,每层输入都叠加前面所有层输出,从而学习更多的图像特征提升最终图像重建质量。最后重建部分对特征图进行扩充处理,降低计算复杂度。网络训练主要是在Tensorflow平台上实现,通过对网络层数的大量调试得到初步网络模型,在确定层数的基础上对各个部分进行结构调整后最终完成网络模型的确定。本文实验结果表明,多尺度特征信息融合可以获得更多的图像信息,同时以多层进行迭代的方式对网络进行特征复用,可以提高重建图像的质量。该网络在重建性能具有竞争力的前提下,参数量比所选用的基础VDSR网络低70%左右,并且重建效果也非常接近VDSR网络。同时对比最新算法IDN 网络,网络参数量减少了 60%左右,并且两者重建效果差距并不大。完成算法网络的训练和效果对比展示以后,接下来就是将算法网络用硬件编程实现出来并验证其功能的正确性。首先,网络在训练完成后得到为浮点型参数会占用较多的硬件资源,将其转换为定点型参数减少硬件计算量。随后提取网络的权重和偏置参数,并与图片参数一起存入到SD卡中。通过SDRAM调用在SD卡中所需要计算的一系列参数,然后开始进行运算操作,计算完成后再次缓存到SDRAM中。当完成整个网络实现硬件架构图像处理以后,将最终图像处理结果再次存入到SD卡中。本文使用硬件编程对整体图像处理过程中需要执行操作的硬件模块进行功能设计,并使用仿真软件对其进行功能验证。最后进行综合编译后在Altera DE2-115开发板上进行板级验证,并将最终硬件输出的结果和算法网络输出的结果进行效果展示和对比分析。
其他文献
随着我国海洋强国战略的实施和偏远地区经济发展的需要,独立型微电网得到了飞速发展,但其存在容量有限、稳定性差、难以可靠工作的弊端。因此,通过将若干个独立型微电网进行互联,使其能量互通,构成多独立微电网系统（Multi Independent Microgrid,MIMG）,并在此系统上研究经济成本优化和能量管理策略,达到降低运行成本,实现大规模可再生能源消纳、提高系统稳定性的目的。因此,本课题以功率
火灾是威胁国民安全的重大隐患之一,目前市场主流的火灾报警器主要是通过检测在火灾初期已经形成的烟雾,或者火焰进行报警,虽然可以减少事故损失,但是无法在有火灾隐患时就能提前预警。因此,研发一款在未发生火灾之前但已经存在隐患就能准确预警的火灾早期预警系统,无疑具有极高的社会价值和经济价值。为解决传统火灾预警方法检测不能在未发生火灾但已有火灾隐患时及时检测预警的问题,设计一种基于热红外的的早期火灾预警系统
有轨电车目前在我国城市交通系统中具有良好的发展前景。由于传统架空接触网供电方式易产生磨损断线、通讯干扰等问题,新型供电方式成为了当前的研究热点。本文研究了一种在电车停靠站台上下乘客期间对车载混合储能系统进行无线电能传输（wireless power transfer,WPT）的供电方式,为未来有轨电车的供电方式提供了一种新的选择。混合储能有轨电车对WPT系统有高传输效率的要求,但采用DC-DC变换
随着智能交通的不断发展,对交通监控视频中跟踪算法性能有了更高的要求。如何应对实际交通监控中各类干扰因素,是视频目标跟踪中重要研究部分。长期目标跟踪,因其重检模块可对丢失目标进行再次捕捉而更接近实际应用。本文采用优化的长期相关跟踪算法来对交通监控视频中的目标进行跟踪。本文的主要研究内容如下:（1）针对长期相关滤波算法选择特征范围局限,提出采用融合特征方式。将改进的方向梯度直方图特征、局部二值模式特征
电力电缆作为能源传输的主要媒介,所处环境复杂多样,导致电缆随着工作时长的增加,故障发生的概率逐渐增大。常用的离线故障检测方法存在不足,不仅无法对间歇性故障进行检测和定位,而且还会影响电力系统的运行效率和经济效益。研究高效的电缆故障检测方法,是目前的研究热点之一。本文主要研究的扩展频谱时域反射法（SSTDR法）属于在线检测方法,研究内容包括以下几点:1.围绕电缆故障在线检测方法展开研究,对SSTDR
微电网内分布式发电存在随机性和波动性的特点,需要配备一定的储能装置来保证系统的稳定运行。其中储能装置由储能电池及储能变换器构成。储能装置可以进行削峰填谷,维持微电网的功率平衡,其次在电网电压幅值或相位发生波动时,起到稳定电压的作用。储能装置中荷电状态（State of Charge,SOC）的不一致会使得储能装置过度充放电,缩减其使用寿命。因此本文以多台并联储能装置为研究对象,设计相应控制策略来实
图像检测作为图像处理领域的重要研究课题已被广泛应用。在本文中,我们将使用卷积神经网络算法来解决图像检测问题,主要围绕道路监控图像中驾驶员安全带检测问题,以及基于肺部X射线图像的肺炎检测问题展开研究,研究的具体情况如下:（1）本文提出了一种改进密集残差网络的安全带检测方法。首先使用YOLOV3目标检测模型来进行驾驶员区域定位。对于驾驶员的安全带检测,使用密集残差块来避免网络训练过程中的梯度弥散和信息
光伏支架中螺栓的松动会影响光伏系统平稳运行,若无法及时检测出螺栓松动,会导致光伏组件脱落,严重时造成支架坍塌。本文采用小波包分解（Wavelet Packet Decomposition,WPD）与卷积神经网络（Convolutional Neural Network,CNN）结合的螺栓松动故障检测方法,解决螺栓松动时采集超声波信号波形特征不明显,导致检测困难的问题,并在多螺栓钢板搭接实验平台上验
有机光电探测器（organic photodetectors,OPDs）拥有光谱响应范围可调、机械柔性和低成本等优点,在图像传感等方面具有广泛的应用前景。随着有机半导体领域的飞速发展,三元策略取得了重大突破。目前,三元有机光电探测器的光谱响应范围拓宽至近红外波长区域,但仍存在响应不均衡的问题。针对存在的问题,论文对四元宽光谱响应OPDs展开研究。本论文首先研究了三元体异质结结构器件,活性层分别为P
火灾是生活中常见的自然灾害之一,随着社会的不断发展,造成的损失和影响也越来越大。因此,研究快速有效的火灾检测具有极高的现实意义。基于图像的火灾检测算法较传感器检测具有检测精度高,监控范围广的优点。但传统的图像检测依赖人工选取特征因而鲁棒性较差。深度学习目标检测算法可以自主学习特征因而得到了广泛研究,然而在实际火灾检测中存在小目标检测率较低、复杂场景下检测精度较低和检测不及时等问题。针对这些问题,本