基于宽度神经网络的图像超分辨率研究

来源 :燕山大学 | 被引量 : 0次 | 上传用户:Liu234449171
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着科技的发展和进步,越来越多的设备拥有了获取图像信息的能力。然而由于工作场景、经济条件或设备硬件条件的限制,很多成像设备获取的图像分辨率不高,不能满足实际要求,给后续图像处理任务带来困难。采用图像处理方法从一序列或者单幅低分辨率图像中重构出高分辨率图像的过程叫图像超分辨率。目前基于深度学习的图像超分辨率算法获得很高的重建质量。然而训练一个深度学习模型不仅需要较长的时间而且要占用大量的计算资源,不利于实际应用。针对这个问题,本文研究了宽度神经网络的图像超分辨率算法。第一,提出了一种结合亚像素与宽度学习的图像超分辨率方法。该算法先将训练样本中的高分辨率图像采样成多个亚像素图像,然后用宽度学习系统建立低分辨率图像与亚像素图像之间的非线性映射关系。重建阶段,根据学习好的宽度网络得到低分辨率图像对应的亚像素图像,再将亚像素图像恢复成高分辨率图像。由于宽度学习系统是单层网络并采用最小二乘类算法训练,因此训练快速计算复杂性低。亚像素采样进一步降低了训练样本数据的维数,使得最小二乘类算法可以使用较少的内存就可以处理更大规模的训练集合。实验结果表明,所提方法重建出来的高分辨率图像不仅细节、纹理清晰,而且客观评价指标也令人满意。第二,借鉴宽度学习系统的思想,提出了一种宽度Elman神经网络。该网络在隐层增加节点个数,同时给出了网络训练的岭回归最小二乘算法。所提出的宽度Elman网络不仅非线性映射能力更强,而且克服了传统Elman网络训练慢并且容易陷入局部最优的问题。将宽度Elman用于Norb数据集的识别,准确性明显高于其他算法。最后,提出了一种基于宽度Elman网络的图像超分辨率算法。该算法采用宽度Elman网络建立低分辨率图像与高分辨率图像之间的映射关系。由于Elman网络是反馈型网络,能学习相邻图像块之间的关系。这有利于充分利用图像块之间的空间邻域信息。实验结果表明,该方法能得到高质量的重建结果。
其他文献
目标检测技术是众多计算机视觉任务中的关键技术之一,在交通、安防、军事、医疗等众多领域发挥着重要作用。然而设计精准、快速的深度学习检测模型仍是首要的解决的困难。依
最近几年,钙钛矿材料作为能源和材料领域最热门的研究方向之一,广泛应用在太阳能电池、发光二极管、光电探测器、激光等领域,其发展令人瞩目。这得益于钙钛矿材料具有良好的
本研究通过对版纳鱼螈微卫星文库的构建和多态性信息位点的分离和筛选工作,成功开发了版纳鱼螈的15个位点微卫星分子标记;同时利用Genebank发表的版纳鱼螈线粒体基因全序列成
体育彩票以其博弈、刺激等特点,吸引了众多体育彩民的参与。这些体育彩民在参与购彩的过程中不可避免地出现一些问题,甚至成为问题彩民。近些年来,关于体育彩民问题购彩事件
光子晶体光纤(photonic crystal fiber,PCF)克服了传统光学光纤的限制,为许多新的科学研究提供了新的机遇,尤其是其色散可控性和高非线性为非线性光学研究带来了新的可能。通
钛酸钡薄膜电阻开关特性的研究在很早以前就有报道,Ba TiO3薄膜电阻开关存储器件的研究普遍存在置/复位电压(Vset/Vreset)较大(>±1V)的问题。基于Ba TiO3薄膜金属-绝缘体-金属
量子关联成像,或称为鬼成像,它是一种特殊的非直接成像方式,利用光场的二阶甚至更高阶关联性质,重构出图像。关联成像的最显著特性是非局域性,即将光场分为两路(物光和参考光
数字音频的广泛应用与易于传播,使其版权保护等问题成为人们关注的焦点。数字水印技术是解决版权保护问题的一种有效技术。针对数字音频的版权问题本文研究了数字音频的水印
在非线性光学领域,混沌现象是当前最重要的研究热点之一。光学混沌具有内在随机性、对初值敏感、长期不可预见等特性,在保密通信、光学图像加密、真随机数生成等领域具有广阔
纳米材料被誉为21世纪最有前途的材料,作为纳米材料其中之一,量子点因具有优越的的光电学性质,如宽而连续的吸收峰;窄而对称的发射峰;可调频性;量子产率高;荧光寿命长等,被广