检索结果-南通市图书馆

检索条件"主题词=二值化特征融合"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于生成对抗网络的图像超分辨重建算法研究

基于生成对抗网络的图像超分辨重建算法研究

引用

作者：杨雷哈尔滨工程大学

学位级别：硕士

图像是人类获取信息最重要的方式之一,如何获得高质量图像成为日益紧迫的问题。在成像硬件限制和光线等客观因素干扰下,由成像设备直接获取的图像的质量往往较差,缺失纹理信息。通过提升成像设备的硬件指标以获取高质量图像,难度过大且... 详细信息

图像是人类获取信息最重要的方式之一,如何获得高质量图像成为日益紧迫的问题。在成像硬件限制和光线等客观因素干扰下,由成像设备直接获取的图像的质量往往较差,缺失纹理信息。通过提升成像设备的硬件指标以获取高质量图像,难度过大且成本较高,所以低成本高效率的图像超分辨率重建技术应运而生。该技术应用广泛,目前在医学、公安、航空和军事等领域有普遍研究和应用。本文在现有的图像超分辨算法研究基础上,鉴于传统图像超分辨率算法存在忽略图像高频信息和图像重建结果不稳定等性能瓶颈,决定研究基于学习的重建算法,主要研究生成对抗网络在图像超分辨领域的应用,然后针对该算法在图像超分辨重建过程中忽略中层特征和特征提取尺度单一等不足,对其进行相关的理论研究及算法改进,提出两种图像超分辨重建算法。本文的主要研究工作可以归纳为以下两个方面:(1)本文提出了一种基于通道注意力机制和特征融合的生成对抗网络图像超分辨重建算法CABFF-SRGAN。首先在SRGAN算法的生成模型中引入通道注意力机制,给予高频信息丰富的特征通道更多权重,并结合二值化特征融合思想,融合各级基本模块的输出特征,加强算法的图像超分辨重建能力,其次去掉了基本模块中的批标准化层,防止在图像重建过程中引入伪影。在不降低判别模型分类性能情况下,以卷积层和全局平均池化层替换判别模型中的全连接层,大大减少判别模型参数。(2)本文提出了一种基于卷积核选择模块的生成对抗网络图像超分辨重建算法SKCB-SRGAN。借鉴Inception模块多尺度特征提取思想,提出基于自适应权重的卷积核选择模块,并结合通道注意力模块构建基本模块组,以此改进SRGAN算法的生成模型,提高算法对复杂结构输入图像的重建性能。在判别模型中,使用计算量较小的卷积层和全局平均池化层代替全连接层,以实现真假图像分类。为验证本文提出的CABFF-SRGAN和SKCB-SRGAN图像超分辨率重建算法的优越性,在Set5、Set14和BSDS100三个测试集下,与Bicubic、SRCNN、VDSR和SRGAN等四种常用图像超分辨算法进行对比实验,并使用峰值信噪比PSNR和结构相似性SSIM两种常用客观评价指标评估算法性能。由实验结果分析可知,本文算法获得较高的PSNR和SSIM值,重建图像具有更丰富的纹理细节信息,视觉效果更好。

关键词：图像超分辨生成对抗网络通道注意力二值化特征融合卷积核选择

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：