基于卷積神經網絡的圖像超分辨率重建.pdf

1、隨著計算機視覺應用的發(fā)展，基于單幅圖像的超分辨率重建算法成為一大研究熱點。超分辨率重建是將一個或多個低分辨率圖像，通過信號處理和圖像處理的方法，得到最高質量圖像的過程。傳統(tǒng)的重建算法常常存在計算復雜度高、魯棒性不強、輸入圖像需要是固定尺寸的問題，基于卷積神經網絡的超分辨率重建算法可以很好地解決這些問題。然而目前的卷積神經網絡重建算法只有三層結構，相關研究已經證明，淺層結構對于內部結構不復雜、約束不強的數據具有較好的效果，但是當要處理現實

2、世界中內部結構復雜的數據時，這些模型就會出現表征能力不足的問題。因此為了得到更適合的重建模型，本文深入研究了基于卷積神經網絡的超分辨率重建算法，論文的主要工作和創(chuàng)新點如下：
　　1.詳細推導了卷積神經網絡在圖像紋理與細節(jié)重建中的聯(lián)系，通過卷積網絡前向傳播與反向傳播公式的推導，在理論方面證實了卷積神經網絡算法在圖像重建中的優(yōu)越性，并且通過梯度算子重建與基于深度卷積神經網絡的超分辨率重建的對比實驗進行了驗證。
　　2.提出了利用

3、全卷積網絡強化紋理邊緣的四層卷積神經網絡超分辨率重建模型，并對提出的四層網絡模型進行仿真實驗，證實了該模型能夠得到不錯的重建效果，對圖像細節(jié)特別是紋理細節(jié)有著更好的恢復作用。超分辨率重建結果的精細度取決于算法能否提取到細節(jié)特征，這在卷積神經網絡中與模型的參數設置息息相關。因此本文對網絡參數包括卷積核參數與卷積層數進行多次調整實驗以求得到最好的效果，并得出對于無預訓練與特征轉移等調整的全卷積網絡，適用于重建的最高層數為四層的結論。