基于幾何相似性的圖像超分辨深度學習方法.pdf

1、隨著科技的發(fā)展與進步，圖像作為視覺信息的主要載體受到了人們越來越多的關注，人們對圖像質量也提出了越來越高的要求。在不改變現(xiàn)有圖像采集系統(tǒng)的前提下，使用數(shù)字圖像處理技術提升空間分辨率的圖像超分辨率重建技術越來越受到國內外學者的關注。
　　圖像超分辨重建算法是從已知的低分辨率圖像中恢復出高質量、細節(jié)豐富的高分辨率圖像，它的主要任務是如何重建那些在觀測過程中丟失的高頻細節(jié)信息。高分辨率的圖像內容豐富，能為目標識別、檢測等其他計算機視覺問

2、題提供更多的有用信息，在醫(yī)學影像、遙感圖像、監(jiān)控、公共安全等領域有著十分重要的應用，因此得到了日益廣泛的研究?；趯W習的方法通過機器學習算法從大量圖像樣本中學習得到低分辨率圖像和高分辨率圖像之間的映射函數(shù)關系，并利用該映射函數(shù)關系，來得到重建圖像所需的高頻細節(jié)信息。該方法取得了優(yōu)異的效果，逐漸成為該領域研究的熱點，因此本文著重研究基于學習的圖像超分辨圖像重建算法。
　　（1）利用深度卷積神經(jīng)網(wǎng)絡來實現(xiàn)圖像超分辨算法，針對現(xiàn)有的基于

3、卷積神經(jīng)網(wǎng)絡的超分辨算法無法進一步補充更多細節(jié)信息的問題，因此本文提出了一種結合圖像多尺度自相似性和深度卷積神經(jīng)網(wǎng)絡的圖像超分辨算法，利用圖像中存在的大量重復區(qū)域對待重建區(qū)域進行細節(jié)補充，重建出細節(jié)豐富、視覺良好的高分辨率圖像。
　　（2）基于圖像的多尺度自相似性，本文對每一個待重建的圖像塊在整幅圖像中尋找可用于重建細節(jié)的相似圖像塊，這些相似圖像塊不僅包含具有平移變換的相似圖像塊，還包含那些具有尺度、旋轉變換的相似圖像塊。接下來就

4、是將這些相似圖像塊有效融合在一起，本文采用空間變換網(wǎng)絡層對這些相似圖像塊進行空間變換，充分利用了圖像中的相似互補信息，最終獲得的重建圖像細節(jié)信息更加豐富。
　?。?）本文使用可學習的反卷積層代替雙三次插值核函數(shù)對圖像進行放大，并作為高分辨率圖像的初始估計。然后采用多層卷積層來提取圖像的細節(jié)特征，并使用金字塔模型根據(jù)輸入的低分辨率圖像來逐步預測重建圖像中所需要的高頻細節(jié)信息，采用從粗到細的逐步放大模式，從而重建出最終的高分辨率圖像。