基于深度学习的图像超分辨算法研究

《基于深度学习的图像超分辨算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、巧Ｉ单位代巧１０４７５学晋１０４＾３１３０７７０分类号ＴＰ巧１皆為义聲硕±学位论文基于深度学习的围巧超分辨算法硏究１＇＼京－．羣茲托■？■＇、＾学科、专业：计算机应巧技术耗研究方向：图像复原申请学位类别：理学学位岐＇申请人：韩小虎指导教师；杨伟副教授巧織＝：ｆ二ｏ—六年六月罐：ｆ訂：IMAGESUPER-RESOLUTIONALGORITHMBASEDONDEEPLEARNINGADissertationSubmittedtotheGra

2、duateSchoolofHenanUniversityinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofScienceByHanXiaohuSupervisor:Asso.Prof.YangWeiJune,2016关于学位论文独创声明和学术诚信承谱本人向河南大学提出硕壬学位申请。本人课重弃明；所呈交的学位论文是本人在导师的指导下链立完成的。据我所知除文中巧别加Ｗ说明、标注和致谢的地，对所研完的课题有新的见解，方外，论文中不包括其他人已经发表或撰写过的研究成果，也不包括

3、其他人为获得任何教育、科研机构的学位或证书而使用过的材料一同工作的同事对本研究所做的化倚贡献均已在论文。与我；中作了明角的说明并表示了谢意。在此本人郑重承诺：所呈交的学位论文不存在舞弊作巧行为，文责自负。学位申请人（学位论丈作者）签名：２０１占年（月Ｌ曰关于学位论文著作权使用授权书本人经河南大学审核批准授予硕壬学位。作为学位论文的作者，本人完全了解并同意河南大学有关保留、使用学位论文的要求，即巧南大学有权向国《图书馆、科研信患机构、数据收集机构和本校图书馆等提供学位论文（紙质文本和电子文本）Ｗ供公么栓索、查阅。本

4、人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的，可Ｗ采取影印、缩印、扫描和拇贝等复制手段保存、汇编学位论文Ｃ紙巧文本和电子文本）。（涉及保密内容的学位论文在解密后适用本授权书）学位获得者（学位论文作者）签名：旅２〇１会年备月之日学位论文指导财甲签名：２０１年＾月２＿曰＾摘要在我们的社会生活中，图像是最为普及的一种信息载体。然而在生成图像的过程中，受到外界退化因素的影响，最终获得的图像往往不能满足人们的要求，这对人们认识世界，了解社会规律造成了阻碍。而对于如何改善图像质量，提高图像的清晰度就变成了一个

5、图像处理领域的一个课题。图像超分辨技术因此而生，并成功应用到计算机图像视觉、医学、交通和人脸识别等领域，受到了各界的关注。而对于进行超分辨的手段来说，基于硬件技术生成高精度图像成本偏高，因而有效的超分辨技术手段是基于软件来生成高分图像。特别的，基于学习的图像超分辨技术则是图像复原领域中的一个热点。随着大数据时代的到来，受益于可用计算力与数据量的增加，由Hinton教授于06年提出的深度学习概念得到了极大的发展。深度学习是目前最接近人思考方式的一种智能学习方法，它通过模仿人脑的来构建网络模型，能够发现高维数据的复杂结构特点，在图像领域有令人惊讶的表现

6、，并且在许多领域完胜其他机器学习技术。鉴于深度学习在各大领域取得的成就，所以将深度学习引入图像超分辨中。本文提出了两种基于深度学习的图像超分辨算法，主要工作内容如下：（1）提出了一种基于多层感知机的图像超分辨算法。利用多层感知机的深度结构，识别高维的图像特征，从而建立超分辨模型。在时间的效率上来说，训练后的深度神经网络进行超分辨的时间远远低于一般的算法，具有良好的时间效率。对于图像恢复的效果来说，得益于大数据与计算力的增加，使得网络可以一直进行训练，时间越长，数据集越大，其效果会越好。网络训练完之后，我们将图片放入网络中进行超分辨，最终得到一个超分

7、辨的图像。实验结果表明，基于多层感知机的图像超分辨算法取得了较好的图像超分辨效果。（2）提出了一种基于卷积神经网络的图像超分辨算法。卷积网络与多层感知机都是一种前馈深度神经网络。其感受野（即权值共享）的概念大大减少了网络的参数，降低了模型的复杂度。算法采用三层卷积对图像进行处理，不采用池化层，通过网络所得的图像子块在MATLAB中进行叠加，然后与权值矩阵进行点除法处理，最终得到的图像即为超分辨图像。最后，对得到的超分辨图像进行实验效果分析，并且针对I网络的参数进行网络性能影响因子分析。实验结果表明，基于CNN的图像超分辨算法取得了良好的超分辨效果。

8、关键词：图像超分辨，深度学习，反向传播，神经网络IIABSTRACTInoursociallife,theimageist