基于卷积神经网络的图像超分辨率重建算法研究

来源 :天津工业大学 | 被引量 : 3次 | 上传用户:liu605199097
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
图像超分辨率重建是由单帧或多帧低分辨率图像重构出细节更加丰富的高分辨率图像,在公共安全监控、医学图像成像等领域拥有广阔的应用前景。基于学习的算法可获得较好的重建效果,已成为当前超分辨率重建研究的热点;其中基于卷积神经网络的图像超分辨率重建算法具有良好的重建性能,但经典的基于深度卷积神经网络的图像超分辨率重建算法(Image Super-Resolution Using Deep Convolutional Networks,SRCNN)存在网络层较少、感受野小等缺陷。本文针对SRCNN算法及其改进算法的不足,研究并提出了三种基于卷积神经网络的超分辨率重建算法,具体工作包括:1.提出了基于中间层监督卷积神经网络的图像超分辨率重建算法。该算法利用定义的监督层误差函数和重建误差函数,改善了深层卷积神经网络梯度消失现象,极大减少了模型训练时的计算量,能完成不同模糊程度的低分辨率图像重建。实验结果表明,该算法重建后的高分辨率图像细节更细腻,峰值信噪比(PSNR)比SRCNN算法最大提高了0.41dB,且重建耗时更短。2.提出了基于Residual-Dense卷积神经网络的图像超分辨率重建算法。该算法采用密集卷积网络和深度残差网络连接方式,解决了传统卷积网络链式连接严重阻碍模型层之间信息流传递的问题,实现了不同特征层重用和信息流最大化流动,加快了模型训练时的收敛速度。实验结果表明,该算法重建后的图像边缘细节信息更丰富,PSNR比SRCNN算法最大提高了 1.04dB,且重建耗时最短为0.03s。3.提出了基于对称残差卷积神经网络的图像超分辨率重建算法。该算法采用对称残差网络连接方式,增加了不同层之间信息流的传播通道,实现了不同卷积层之间的特征融合,而且对称的连接对模型具有深层监督作用,减轻了梯度消失现象。实验结果表明,该算法重建后的图像清晰度和边缘锐度更好,PSNR比SRCNN算法最大提高了 1.16dB,重建耗时最短为0.29s。4.经分析比较,选用改进的基于Residual-Dense卷积神经网络的图像超分辨率重建算法实现了钢丝绳输送带X光图像的超分辨率重建,取得了较好的重建效果,并且可满足一定的实时性要求。
其他文献
老年退行性膝炎(Osteowrtbntis.OA)又称膝骨关节炎、髌股骨关节炎、膝增生性关节炎、老年膝,是中老年人的常见疾病。主要是因为膝关节内的软骨破坏,软骨下骨质变密、边缘性骨软
分析了圆网印花机印制高档紧密织物精细花纹时,影响印制效果的各种因素,包括织物原坯的选择、练漂半制品的质量、圆网制版、印花糊料的选择,以及圆网印花机的精度等,提出了各个操
新文学写作出现的若干问题,如作者文学素养的缺失、文学语言的鄙俗化、对西方文学资源的过度信赖等问题,都与二十世纪初的“言文合一”运动有关。以白话文替代文言后,丧失了传统
本文认为,正确认识文化经济的科学内涵与鲜明特征、发展创意产业对促进我国经济社会发展的战略意义、探讨创意产业可持续发展路径选择与战略对策.是实现我国经济社会的跨越式发
我国久远的文化长河中数不尽的文化瑰宝灿若繁星,而纸质文物不仅记录着无数珍贵的文化景观,更是推动全世界文化发展的造纸术发明的最好体现。本文分析了当前纸质文物的保存现
临床实习是医学生接触临床工作的起点,是培养其具书本知识的学生成长为具备临床思维及临床技能的医生的重要环节.心内科专业知识体系庞大、复杂、存在许多知识的重点和难点,
在“为了学习而评价”的影响下,教学评价日益表现出以数据为导向、追踪教学全过程、面向学生全面发展的“伴随”取向。但囿于时间不足、技术条件限制等原因,数据类型单一、反馈
从印花工艺的要求出发,详细介绍了制定圆网制网工艺的步骤、方法,包括接受订单和审稿修改的注意事项,以及确定印花工艺、花回和接头方式,幅宽和排版,套色数、镍网种类和网目,
随着计算机视觉应用的不断发展,基于单幅图像的超分辨率重建算法已经成为一大研究热点。超分辨率重建技术是指在不改变成像方法的基础上,通过采取图像处理的方式,获得更高质量的图像,该技术在不改变现有硬件条件的前提下,从算法层面提高图像分辨率,已经在众多领域获得应用,具有巨大的发展前景。本文研究了基于稀疏学习和基于深度学习的图像超分辨率重建算法,主要研究内容和贡献如下:1)首先阐述和分析了图像超分辨率重建技
以阅读为主的语篇教学是初中英语课堂教学的重头戏,阅读能力也是中考的考查重点。本着初中英语语篇教学整体性、综合性、全面性的教学思想,本文试提出“三环六步”语篇教学模