基于深度學習的圖像超分辨算法研究.pdf

1、在我們的社會生活中，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，這對人們認識世界，了解社會規(guī)律造成了阻礙。而對于如何改善圖像質量，提高圖像的清晰度就變成了一個圖像處理領域的一個課題。圖像超分辨技術因此而生，并成功應用到計算機圖像視覺、醫(yī)學、交通和人臉識別等領域，受到了各界的關注。而對于進行超分辨的手段來說，基于硬件技術生成高精度圖像成本偏高，因而有效的超分辨技術手段

2、是基于軟件來生成高分圖像。特別的，基于學習的圖像超分辨技術則是圖像復原領域中的一個熱點。
　　隨著大數(shù)據(jù)時代的到來，受益于可用計算力與數(shù)據(jù)量的增加，由Hinton教授于06年提出的深度學習概念得到了極大的發(fā)展。深度學習是目前最接近人思考方式的一種智能學習方法，它通過模仿人腦的來構建網(wǎng)絡模型，能夠發(fā)現(xiàn)高維數(shù)據(jù)的復雜結構特點，在圖像領域有令人驚訝的表現(xiàn)，并且在許多領域完勝其他機器學習技術。鑒于深度學習在各大領域取得的成就，所以將深度學

3、習引入圖像超分辨中。本文提出了兩種基于深度學習的圖像超分辨算法，主要工作內容如下：
　?。?）提出了一種基于多層感知機的圖像超分辨算法。利用多層感知機的深度結構，識別高維的圖像特征，從而建立超分辨模型。在時間的效率上來說，訓練后的深度神經(jīng)網(wǎng)絡進行超分辨的時間遠遠低于一般的算法，具有良好的時間效率。對于圖像恢復的效果來說，得益于大數(shù)據(jù)與計算力的增加，使得網(wǎng)絡可以一直進行訓練，時間越長，數(shù)據(jù)集越大，其效果會越好。網(wǎng)絡訓練完之后，我們將

4、圖片放入網(wǎng)絡中進行超分辨，最終得到一個超分辨的圖像。實驗結果表明，基于多層感知機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)絡的圖像超分辨算法。卷積網(wǎng)絡與多層感知機都是一種前饋深度神經(jīng)網(wǎng)絡。其感受野（即權值共享）的概念大大減少了網(wǎng)絡的參數(shù)，降低了模型的復雜度。算法采用三層卷積對圖像進行處理，不采用池化層，通過網(wǎng)絡所得的圖像子塊在MATLAB中進行疊加，然后與權值矩陣進行點除法處理，最終得到的圖像