基于深度学习的图像超分辨率重建算法研究

《基于深度学习的图像超分辨率重建算法研究》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、分类号：密级＇ＵＤＣ：单位代码；Ｓ徽２；必大学硕士学位论文论文題目：基于深度学习的图像超分辨率重建算法研究学号１４２０１９０２９３：作者：黄冬冬专业名称：笪机科学与桔太２０１７年６月３日安徽工业大学硕士学位论文基于深度学习的图像超分辨率重建算法研究论文题目：ResearchonImageSuper-ResolutionAlgorithmsbasedonDeepLearning作者：黄冬冬学院：计算机科学与技术学院指导教师：刘恒单位：安徽工业大学论文提交日期：2017年6月
3日学位授予单位：安徽工业大学安徽马鞍山2430

2、02独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研宄工作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研宄成果，也不包含为获得安徽工业大学或其他教育机构的学位或证书所一使用过的材料。与我同工作的同志对本研宄所做的任何贡献均已在论文中做了明确的说明并表示了谢意。签名為＃丄曰期：关于论文使用授权的说明本人完全了解安徽工业大学有关保留、使用学位论文的规定，艮ｐ：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存

3、论文，保密的论文在解密后应遵循此规定。签名名导师签名Ｒ期．斗至叫＆、Ｉ勺摘要摘要图像的空间分辨率决定图像中包含信息的多少。如何提高图像分辨率，一直以来都是图像科学研究的热点。图像超分辨率重建是指由一幅或多幅低分辨率图像，利用机器学习或计算机视觉相关知识，生成一幅高分辨率图像的技术。近年来，深度学习在图像分类、人脸识别等视觉任务中取得了较大成功，本文尝试将深度学习应用到超分辨率重建任务中，探索了深度学习超分辨算法及其应用技术。本文首先对超分辨率技术的研究现状进行了总结，然后提出了几种基于深度学习的超分辨率重建模型并将其应用在人脸幻想技术中。（1）基于深度编码-解码对称网络的超

4、分辨率重建模型全卷积网络（亦称编码-解码网络），最近在图像分割、去噪等任务中取得了较好的结果，这得益于反卷积层的作用。在以往的深度网络中，随着卷积层的增加，图像的细节信息可能会逐层丢失，这对恢复类任务非常不利。因此，我们尝试构建一个由卷积层和反卷积层构成的编码-解码对称深度网络，用于解决超分辨率任务。实验结果验证了该方法的有效性。（2）基于多尺度对称深度网络的超分辨率重建模型多尺度分析一直是图像处理技术的原理性指导。采用多尺度深度网络模拟多尺度分析过程是一个新的尝试。此外，网络越深，学习到的特征越抽象，更有利于后续的任务。我们尝试构建一个多尺度深度网络，该模型已取得较优的重建效果。同时，

5、在该模型中，我们引入了相位一致性的边缘提取方法，在一定程度上正则化了超分辨重建病态问题的解。（3）基于深度学习的人脸幻想技术图像先验知识有利于提高大多数视觉任务的性能，而反投影算法可引入低分辨率图像先验，因此我们将迭代反投影算法结合到卷积神经网络中，用网络的形式模拟其功能。另外，我们引入了生成对抗网络，同时训练两个网络使得生成网络重建的图像更接近原始图像。实验结果表明了对抗超分辨模型的有效性。关键词：超分辨率；编码-解码；多尺度；相位一致性；对抗网络IAbstractAbstractThespatialresolutionoftheimagedetermineshowmuchinform

6、ationisincludedintheimage.Andithasbeenthefocusofimagescienceresearchhowtoimprovetheimageresolution.Imagesuper-resolutionreconstructiontechnologyaimstogenerateahigh-resolutionimagefromoneormorelow-resolutionimageswithmachinelearningorcomputervisionknowledge.Inrecentyears,deeplearninginimageclassif

7、ication,facerecognitionandothertaskshaveachievedgreatsuccess.Thispaperalsotriestoapplydeeplearningtheoryintoimagesuper-resolutiontaskandexploresuper-resolutionalgorithmsbasedondeeplearninganditsapplication.Inthispaper,