基于生成式对抗网络的图像超分辨重建

来源 :黑龙江大学 | 被引量 : 0次 | 上传用户:Shimq
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
图像在人类的社会发展、信息存储、认知学习中发挥着不可或缺的作用,但受到采集硬件设备及网络传输等限制,往往使收集到的图像分辨率不高,利用效果一般。而高分辨图像具有的更多细节信息能够带来更多的帮助,因此,图像超分辨重建技术便应运而生。图像超分辨重建是指在不升级硬件的条件下,从计算机数字技术出发,利用软件提升图像的分辨情况。该技术目前在公安、医学、航空、艺术等多个方面取得了广阔的发展。因此,本文在现有的研究基础上,从基于学习的方法入手,主要针对生成式对抗网络在重建超分辨图像的过程中,随着网络结构的不断加深,导致网络出现梯度消失或爆炸、模型退化等问题,以及重建后的图像细节恢复效果不好、色彩失衡偏差等现象,对其进行了相关的理论研究及模型改进,构建了新的模型结构。本文的主要研究工作可以归纳为以下两个方面:
  在SRGAN网络的基础上,引入了具有稠密连接方式的DenseNet模块代替原本的ResNet模块,以此提出了基于SRGAN的Dense-SRGAN网络,并论述了批标准化层在恢复超分辨图像中的意义,进而对SRGAN网络进行优化设计。
  本文提出了一种基于低层特征生成式对抗网络的超分辨重建技术LF-SRGAN,该网络在稠密连接模块的基础上与特征金字塔结构相融合,并针对重建的图像特征,调整了相关的网络参数,构成了主要针对重建低分辨图像低层信息的生成式对抗网络,对图像的低层特征得以进一步的复用。
  综上所述,本文提出的基于改进SRGAN的低层特征生成式对抗网络的超分辨重建技术具有较高的客观评价数据和较好的主观视觉效果,能够提升图像的质量。与传统的超分辨模型生成效果对比,本文提出的算法取得了一定的进步。
其他文献
随着大众健康意识的提高和大规模集成电路的发展,无线体域网(WBANs)中可穿戴的医疗设备为国民的身体健康提供了新的保护伞。生物医疗芯片是医疗设备最核心的部分。生物医疗芯片面临的设计难点包括:功耗高、功能复杂、性能要求高和可靠性高。因此本文主要对生物医疗芯片中核心电路的低功耗设计方法和关键实现技术展开深入的研究,具体研究内容如下:  1、电源管理模块中低功耗低压差线性稳压器(LDO)的关键技术研究,
在大数据时代,图像已经成为人们日常生活中主要的信息载体。然而图像在成像以及传输过程中会不可避免的引入各种失真,引发图像质量的衰减。而图像作为人类主观感知、机器视觉的主要信息源,其质量好坏直接决定所获取信息的有效性。因此如何评价图像质量,以及图像质量是否满足特定场景要求亟待解决,而这个问题的解决需要建立合理的图像质量评价方法与评价标准。客观图像质量评价方法的发展离不开数据库的支持,图像质量评价数据库
字符识别和图像分类是人工智能的一个重要研究方向。通过训练一组给定的输入字符图像和分类标签集合,来实现预测其他输入图像的分类标签的目的。神经网络能够自主提取图像特征,并在字符识别、图像分类、语音识别、视频目标跟踪等各个领域处理任务中具备抽象的能力。神经网络具有出色的性能,但随着“大数据”时代的发展,数据量每日不断增加,信息内容更加复杂,神经网络性能迎来了新的挑战。另外,随着硬件性能的提升,FPGA成
该文从理论和实验两方面对氩离子准分子进行了深入的研究.理论上建立了电子束泵浦下的氩离子准分子的动力学模型;实验上以氩第三谱带中中心位于240nm的谱区进行了研究.观察到了该谱区中的光腔效应.理论和实验的研究不仅对氩第三谱带的来源给出了完满的解释,而且为以离子准分子机制实现充分的激光振荡,提供了重要的理论教育处方法和大量的实验数据.
目前,在室内定位系统中,基于接收信号强度指示(Received Signal Strength Indication,RSSI)的测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化。行人航位推算(Pedestrian Dead Reckoning,PDR)定位系统也存在错误地估计传感器的参数及左右脚运动不一致等产生累积误差的问题。针对上述定位系统中存在的问题,本文做了以下两个方面的研
学位
随着移动通信技术的飞速发展,人们对基于位置的服务(Location Based Services,LBS)需求日益增长。相比已经成熟的室外定位技术,室内定位在精度、成本、抗干扰等方面有更高的要求。目前最常见的基于接收信号强度(Received Signal Strength Indication,RSSI)的室内定位算法易受室内障碍物、信号多径效应等的影响,使得基于RSSI路径损耗公式计算得到的距
学位
图像块包含图像局部信息且处理过程计算量小,因此基于图像块相似度的方法在图像处理领域应用广泛。考虑到在大多数图像处理任务中图像块相似度度量过程未充分考虑图像块的结构信息,本文采用深度学习中的深度神经网络(Deep Neural Network,DNN)与卷积神经网络(Convolutional Neural Network,CNN)方法提取图像块中包含结构信息的特征,并研究如何构造更有效的图像块相似
学位
在导航服务、移动社交、公共安全以及智慧城市建设等领域中,位置信息的确定成为人们获取泛在服务的重要元素。得益于北斗等卫星系统的全球化部署,室外目标定位已经成为应用范围较广且相对成熟的位置信息来源,然而,卫星信号的遮蔽敏感性导致其无法为室内目标定位提供有力的保障。为此,无线室内定位技术便成为当前网络通信领域的研究热点之一。基于Wi-Fi信号的方法已经在室内定位领域有了多年的研究积累,然而,在大型商超、
半导体行业依旧遵循摩尔定律在高速发展,相应的通信技术亦有了长足的进步,每时每刻都有海量的信息在互联网上进行存储与交互。然而,近年来信息泄露问题频频出现,信息安全问题的重要性日益凸显出来。混沌系统以其独特的动力学行为特性与加密系统设计的两个基本原则“混淆”和“扩散”相符合而在信息安全领域大放异彩。然而,将存在于实数域的混沌系统用数字电路来实现时,发现其最终会坍塌到有限域上,出现短周期和多周期等动力学
随着移动计算和物联网技术的迅速普及,人们对位置导航的需求迅速增加。北斗卫星导航系统(Bei Dou Navigation Satellite System,BDS)、全球定位系统(Global Positioning System,GPS)等可以在室外提供良好的定位保证,然而因建筑物遮挡等原因无法服务于室内定位。无线局域网(Wireless Local Area Networks,WLAN)现已大
学位