论文部分内容阅读
基于卷积神经网络的噪声图像超分辨率重建算法的研究
【摘 要】
:
由于图像采集设备硬件条件的限制或图像传输过程中受随机信号干扰等因素的影响,采集到的图像会存在分辨率较低或图像中存在噪声。因此能够从低分辨率或噪声图像中尽可能的恢复出原始图像的方法应运而生,超分辨率重建算法就是最常用的方法。现有的基于卷积神经网络(Convolutional Neural Network,CNN)的图像超分辨率重建算法相对于传统的方法在很大程度上改善了图像的重建效果,然而随着算法的改
【出 处】
:
安徽大学
【发表日期】
:
2019年07期
其他文献
图像去噪是图像处理的关键组成部分。随着互联网的普及以及人工智能的快速发展,目标检测、图像识别和检索等应用都需要更加清晰的数字图像作为输入。它们对图像的质量提出了更高的要求和挑战,因此图像去噪到了至关重要的作用。在图像去噪技术上寻求新的突破,提高图像的去噪质量,更是研究者们一直以来追求的目标。本文提出了两种不同的算法对图像去噪进行了研究:第一种算法是通过基于深度学习与四元小波变换对噪声图像数据进行联
学位
随着科学技术的发展,越来越多的人们通过图像或视频来获取信息,图像成为信息的主要来源。然而,图像在传输和处理时会受到噪声干扰,所以图像去噪就显得非常重要。图像去噪技术是数字图像处理的关键技术之一,对图像进行去噪后质量的好坏将会影响人们的视觉效果或者是后续图像处理的结果。随着人们对图像质量要求的不断提升,图像去噪成为了一个值得研究的课题,再加上深度学习和神经网络在图像识别和语音识别领域取得了成功,随后
学位