發(fā)布時間：2024-02-22 03:18

　　圖像超分辨率是對已知低分辨率圖像進行圖像視覺效果改善的圖像處理技術(shù),即通過建立低分辨率圖像和高分辨率圖像之間的數(shù)學模型,重建獲得具有更多高頻細節(jié)的高質(zhì)量圖像的技術(shù)。近年來,隨著深度學習和機器視覺技術(shù)的發(fā)展,基于神經(jīng)網(wǎng)絡的圖像超分辨率方法取得了長足的進步,并引起了研究學者們的高度關(guān)注。本文以基于深度學習的圖像超分辨率算法為切入點,發(fā)現(xiàn)神經(jīng)網(wǎng)絡中存在大量參數(shù)特征冗余以及網(wǎng)絡參數(shù)未能有效表達模型等的問題,會嚴重影響神經(jīng)網(wǎng)絡的性能,導致高分辨率圖像重建效果不佳。據(jù)此本文提出有效解決參數(shù)特征冗余以及參數(shù)有效表達的方法。本文的主要研究成果如下:首先分析了圖像超分辨率模型,其次總結(jié)典型的基于卷積神經(jīng)網(wǎng)絡的圖像超分辨率方法框架,從卷積神經(jīng)網(wǎng)絡的組成、結(jié)構(gòu)和網(wǎng)絡優(yōu)化入手,對網(wǎng)絡模型進行詳細的論述。然后歸納了稀疏正則化方法。其中稀疏正則化方法包括非結(jié)構(gòu)化稀疏正則和結(jié)構(gòu)化稀疏正則。接著具體闡述幾種應用在神經(jīng)網(wǎng)絡中的典型正則化方法,并對其優(yōu)缺點進行分析。最后我們對典型的兩類正則化方法進行詳細論述。針對卷積神經(jīng)網(wǎng)絡中參數(shù)與參數(shù)之間、濾波器與濾波器之間、通道與通道之間存在大量參數(shù)特征冗余的問題,提出基于卷積神經(jīng)網(wǎng)...

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 圖像超分辨率的研究背景及意義
    1.2 圖像超分辨率的研究現(xiàn)狀
        1.2.1 基于專家知識構(gòu)造的圖像超分辨率方法
        1.2.2 基于機器學習的圖像超分辨率方法
    1.3 本文的主要研究內(nèi)容及章節(jié)安排
第2章 基于卷積神經(jīng)網(wǎng)絡稀疏正則化的圖像超分辨率算法相關(guān)理論
    2.1 圖像超分辨率模型
    2.2 基于卷積神經(jīng)網(wǎng)絡的圖像超分辨率方法
        2.2.1 基于卷積神經(jīng)網(wǎng)絡的圖像超分辨率模型構(gòu)建
        2.2.2 基于卷積神經(jīng)網(wǎng)絡圖像超分辨率模型訓練
    2.3 基于卷積神經(jīng)網(wǎng)絡的參數(shù)稀疏正則化
        2.3.1 非結(jié)構(gòu)化稀疏正則
        2.3.2 結(jié)構(gòu)化稀疏正則
    2.4 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)化稀疏正則約束的圖像超分辨率算法
    3.1 總體框架
    3.2 基于卷積網(wǎng)絡的圖像超分辨率網(wǎng)絡
    3.3 基于組橋正則化的網(wǎng)絡參數(shù)約束
        3.3.1 網(wǎng)絡參數(shù)組劃分
        3.3.2 結(jié)構(gòu)化組橋正則
    3.4 基于卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)化稀疏正則約束的圖像超分辨率算法設(shè)計
        3.4.1 訓練樣本預處理
        3.4.2 超分辨率卷積神經(jīng)網(wǎng)絡架構(gòu)設(shè)計
        3.4.3 超分辨率卷積神經(jīng)網(wǎng)絡訓練
        3.4.4 超分辨率圖像重建
    3.5 實驗結(jié)果及分析
        3.5.1 實驗設(shè)置
        3.5.2 實驗參數(shù)討論
        3.5.3 結(jié)果對比及分析
    3.6 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡L0正則約束的圖像超分辨率算法
    4.1 總體框架
    4.2 構(gòu)建基于L0正則化的網(wǎng)絡參數(shù)約束
        4.2.1 實現(xiàn)L0正則項的連續(xù)性
        4.2.2 連續(xù)松弛的離散隨機變量
        4.2.3 結(jié)構(gòu)化L0正則
    4.3 基于卷積神經(jīng)網(wǎng)絡L0正則約束的圖像超分辨率算法設(shè)計
        4.3.1 卷積神經(jīng)網(wǎng)絡L0正則約束的圖像超分辨率網(wǎng)絡訓練
    4.4 實驗結(jié)果及分析
        4.4.1 實驗參數(shù)設(shè)置
        4.4.2 實驗參數(shù)討論
        4.4.3 實驗結(jié)果分析
    4.5 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻
致謝
附錄 A 攻讀學位期間所取得的主要科研成果



本文編號：3906313