基于幾何相似性的圖像超分辨深度學(xué)習(xí)方法.pdf

1、隨著科技的發(fā)展與進(jìn)步，圖像作為視覺(jué)信息的主要載體受到了人們?cè)絹?lái)越多的關(guān)注，人們對(duì)圖像質(zhì)量也提出了越來(lái)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(shù)提升空間分辨率的圖像超分辨率重建技術(shù)越來(lái)越受到國(guó)內(nèi)外學(xué)者的關(guān)注。
　　圖像超分辨重建算法是從已知的低分辨率圖像中恢復(fù)出高質(zhì)量、細(xì)節(jié)豐富的高分辨率圖像，它的主要任務(wù)是如何重建那些在觀(guān)測(cè)過(guò)程中丟失的高頻細(xì)節(jié)信息。高分辨率的圖像內(nèi)容豐富，能為目標(biāo)識(shí)別、檢測(cè)等其他計(jì)算機(jī)視覺(jué)問(wèn)

2、題提供更多的有用信息，在醫(yī)學(xué)影像、遙感圖像、監(jiān)控、公共安全等領(lǐng)域有著十分重要的應(yīng)用，因此得到了日益廣泛的研究。基于學(xué)習(xí)的方法通過(guò)機(jī)器學(xué)習(xí)算法從大量圖像樣本中學(xué)習(xí)得到低分辨率圖像和高分辨率圖像之間的映射函數(shù)關(guān)系，并利用該映射函數(shù)關(guān)系，來(lái)得到重建圖像所需的高頻細(xì)節(jié)信息。該方法取得了優(yōu)異的效果，逐漸成為該領(lǐng)域研究的熱點(diǎn)，因此本文著重研究基于學(xué)習(xí)的圖像超分辨圖像重建算法。
　?。?）利用深度卷積神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)圖像超分辨算法，針對(duì)現(xiàn)有的基于

3、卷積神經(jīng)網(wǎng)絡(luò)的超分辨算法無(wú)法進(jìn)一步補(bǔ)充更多細(xì)節(jié)信息的問(wèn)題，因此本文提出了一種結(jié)合圖像多尺度自相似性和深度卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨算法，利用圖像中存在的大量重復(fù)區(qū)域?qū)Υ亟▍^(qū)域進(jìn)行細(xì)節(jié)補(bǔ)充，重建出細(xì)節(jié)豐富、視覺(jué)良好的高分辨率圖像。
　?。?）基于圖像的多尺度自相似性，本文對(duì)每一個(gè)待重建的圖像塊在整幅圖像中尋找可用于重建細(xì)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(zhuǎn)變換的相似圖像塊。接下來(lái)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(luò)層對(duì)這些相似圖像塊進(jìn)行空間變換，充分利用了圖像中的相似互補(bǔ)信息，最終獲得的重建圖像細(xì)節(jié)信息更加豐富。
　?。?）本文使用可學(xué)習(xí)的反卷積層代替雙三次插值核函數(shù)對(duì)圖像進(jìn)行放大，并作為高分辨率圖像的初始估計(jì)。然后采用多層卷積層來(lái)提取圖像的細(xì)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(lái)逐步預(yù)測(cè)重建圖像中所需要的高頻細(xì)節(jié)信息，采用從粗到細(xì)的逐步放大模式，從而重建出最終的高分辨率圖像。