基于深度學(xué)習(xí)的圖像超分辨算法研究.pdf

1、在我們的社會(huì)生活中，圖像是最為普及的一種信息載體。然而在生成圖像的過(guò)程中，受到外界退化因素的影響，最終獲得的圖像往往不能滿足人們的要求，這對(duì)人們認(rèn)識(shí)世界，了解社會(huì)規(guī)律造成了阻礙。而對(duì)于如何改善圖像質(zhì)量，提高圖像的清晰度就變成了一個(gè)圖像處理領(lǐng)域的一個(gè)課題。圖像超分辨技術(shù)因此而生，并成功應(yīng)用到計(jì)算機(jī)圖像視覺(jué)、醫(yī)學(xué)、交通和人臉識(shí)別等領(lǐng)域，受到了各界的關(guān)注。而對(duì)于進(jìn)行超分辨的手段來(lái)說(shuō)，基于硬件技術(shù)生成高精度圖像成本偏高，因而有效的超分辨技術(shù)手段

2、是基于軟件來(lái)生成高分圖像。特別的，基于學(xué)習(xí)的圖像超分辨技術(shù)則是圖像復(fù)原領(lǐng)域中的一個(gè)熱點(diǎn)。
　　隨著大數(shù)據(jù)時(shí)代的到來(lái)，受益于可用計(jì)算力與數(shù)據(jù)量的增加，由Hinton教授于06年提出的深度學(xué)習(xí)概念得到了極大的發(fā)展。深度學(xué)習(xí)是目前最接近人思考方式的一種智能學(xué)習(xí)方法，它通過(guò)模仿人腦的來(lái)構(gòu)建網(wǎng)絡(luò)模型，能夠發(fā)現(xiàn)高維數(shù)據(jù)的復(fù)雜結(jié)構(gòu)特點(diǎn)，在圖像領(lǐng)域有令人驚訝的表現(xiàn)，并且在許多領(lǐng)域完勝其他機(jī)器學(xué)習(xí)技術(shù)。鑒于深度學(xué)習(xí)在各大領(lǐng)域取得的成就，所以將深度學(xué)

3、習(xí)引入圖像超分辨中。本文提出了兩種基于深度學(xué)習(xí)的圖像超分辨算法，主要工作內(nèi)容如下：
　　（1）提出了一種基于多層感知機(jī)的圖像超分辨算法。利用多層感知機(jī)的深度結(jié)構(gòu)，識(shí)別高維的圖像特征，從而建立超分辨模型。在時(shí)間的效率上來(lái)說(shuō)，訓(xùn)練后的深度神經(jīng)網(wǎng)絡(luò)進(jìn)行超分辨的時(shí)間遠(yuǎn)遠(yuǎn)低于一般的算法，具有良好的時(shí)間效率。對(duì)于圖像恢復(fù)的效果來(lái)說(shuō)，得益于大數(shù)據(jù)與計(jì)算力的增加，使得網(wǎng)絡(luò)可以一直進(jìn)行訓(xùn)練，時(shí)間越長(zhǎng)，數(shù)據(jù)集越大，其效果會(huì)越好。網(wǎng)絡(luò)訓(xùn)練完之后，我們將

4、圖片放入網(wǎng)絡(luò)中進(jìn)行超分辨，最終得到一個(gè)超分辨的圖像。實(shí)驗(yàn)結(jié)果表明，基于多層感知機(jī)的圖像超分辨算法取得了較好的圖像超分辨效果。
　?。?）提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨算法。卷積網(wǎng)絡(luò)與多層感知機(jī)都是一種前饋深度神經(jīng)網(wǎng)絡(luò)。其感受野（即權(quán)值共享）的概念大大減少了網(wǎng)絡(luò)的參數(shù)，降低了模型的復(fù)雜度。算法采用三層卷積對(duì)圖像進(jìn)行處理，不采用池化層，通過(guò)網(wǎng)絡(luò)所得的圖像子塊在MATLAB中進(jìn)行疊加，然后與權(quán)值矩陣進(jìn)行點(diǎn)除法處理，最終得到的圖像