目標(biāo)檢測技術(shù)廣泛應(yīng)用于公共安全、軍事國防、醫(yī)學(xué)等領(lǐng)域。本文針對利用單一的結(jié)構(gòu)光深度圖像或彩色圖像、同時利用原始低分辨率結(jié)構(gòu)光深度圖像和彩色圖像進行目標(biāo)檢測存在準(zhǔn)確率不高的問題,圍繞圖像超分辨率重建、聯(lián)合結(jié)構(gòu)光深度圖像與彩色圖像的目標(biāo)檢測,開展了如下研究工作:（1）針對SRCNN、ESPCN等無法同時滿足較好重建效果和實時處理要求,提出了一種新的基于CNN的圖像超分辨率重建方法。以未做任何預(yù)處理的低分辨率圖像為輸入數(shù)據(jù),利用卷積操作提取特征,采用1×1的小卷積核作降、擴維處理,減少網(wǎng)絡(luò)參數(shù),改善重建效果;利用反卷積與池化的組合進行放大和縮小,提取對結(jié)果更為敏感的特征;再通過反卷積實現(xiàn)重建。實驗表明,該方法不僅實現(xiàn)了更好的重建效果,而且能夠每秒重建24張以上320×240的圖像,滿足實時處理視頻圖像的要求。（2）針對現(xiàn)有的SRCNN等學(xué)習(xí)能力弱導(dǎo)致重建性能不佳、收斂速度慢等問題,提出了一種基于深度殘差網(wǎng)絡(luò)的圖像超分辨率重建方法。設(shè)計了一個包含42層的深度網(wǎng)絡(luò),在網(wǎng)絡(luò)高層采用Inception結(jié)構(gòu)與殘差網(wǎng)絡(luò)的組合學(xué)習(xí)殘差,再將學(xué)習(xí)到的殘差和輸入數(shù)據(jù)相加得到輸出。Inception結(jié)構(gòu)增加網(wǎng)絡(luò)... 

【文章來源】：海南大學(xué)海南省 211工程院校

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２?Ｋｉｎｅｃｔ傳感器的外觀??

時會產(chǎn)生位置誤差。雖然Ｋｍｅｃｔ內(nèi)部對該偏差進行了矯正處理，使得拍攝生成的彩??色圖像與同場景深度圖在視覺上沒有偏差，但是，Ｋｉｎｅｃｔ生成的深度圖像的分辨率較??低、噪聲較大、物體邊界處的深度值不精確，因此還需要進一步處理。下圖３展示了??Ｋｉｎｅｃｔ傳感器所獲彩色圖像與校準(zhǔn)后的深度圖，其分辨率大小都為６４０ｘ４８０。??（ａ）彩色圖像（６４０ｘ４８０）?（ｂ）深度圖像（６４０ｘ４８０）??圖３?Ｋｉｎｅｃｔ傳感器所獲圖像??Ｆｉｇ．３?Ｔｈｅ?ｃｏｌｏｒ?ｉｍａｇｅ?ａｎｄ?ｄｅｐｔｈ?ｉｍａｇｅ?ａｃｑｕｉｒｅｄ?ｂｙ?Ｋｉｎｅｃｔ?ｓｅｎｓｏｒ??２．２卷積神經(jīng)網(wǎng)絡(luò)??在２０世紀(jì)６０年代以前，傳統(tǒng)的ＢＰ神經(jīng)網(wǎng)絡(luò)發(fā)展良好且應(yīng)用廣泛，然而由于其??網(wǎng)絡(luò)參數(shù)隨著網(wǎng)絡(luò)層數(shù)的增加而成倍增加，導(dǎo)致網(wǎng)絡(luò)復(fù)雜度高。Ｈｕｂｅｉ和＼￥１６５￡１在研??宄過程中，發(fā)現(xiàn)了一種特別的網(wǎng)絡(luò)結(jié)構(gòu)，這種網(wǎng)絡(luò)可以實現(xiàn)局部視覺的感知以及感知??方向的選擇（Ｈｕｂｅｉ?ｅｔａｌ．，１９５９）。隨后，Ｗａｉｂｅｌ等提出了時間延遲網(wǎng)絡(luò)（Ｔｉｍｅ?Ｄｅｌａｙ??Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ，?ＴＤＮＮ）并應(yīng)用于語音識別問題（Ｗａｉｂｅｌ?ｅｔ?ａｌ．，１９９０）。Ｚｈａｎｇ?提出??的平移不變?nèi)斯ど窠?jīng)網(wǎng)絡(luò)（ＳＩＡＮＮ）被應(yīng)用于檢測醫(yī)學(xué)影像（Ｚｈａｎｇ，?１９８８）。ＬｅＣｕｎ??等提出了用于圖像分類的ＬｅＮｅｔ

值參數(shù)量為１０２，若不采用權(quán)值共享，則權(quán)值參數(shù)量為１０２ｘｌ００２＝１０６，顯然，權(quán)值共??享在很大程度上減少了訓(xùn)練參數(shù)量。??卷積操作如圖４所示。??１?０?１??０?１?０??１?０?１?Ｐ—，￣￣??＿＿＿＿＿＿…?上?Ａ??Ｊ＿＿Ｉ＿＿Ｌ?Ｊ＿＿１?３?１??Ｊ＿＿０＿＿１＿＿］＿＿輸入特征圖??０?１０?０?１??１０?１０?１??１０?０?１０??輸入圖像??圖４卷積層的卷積操作過程??Ｆｉｇ．４?Ｃｏｎｖｏｌｕｔｉｏｎａｌ?ｃｏｎｖｏｌｕｔｉｏｎ?ｏｐｅｒａｔｉｏｎ??如上圖４，采用３ｘ３的卷積核對輸入為５ｘ５的圖像進行卷積，首先確定移動步長??（Ｓｔｒｉｄｅ），卷積核在每次移動后將與輸入圖像相應(yīng)位置的元素按位相乘再相加，從??左至右，從上至下，最終獲得完整的輸出特征圖。此外，還可以對輸入圖像的邊界進??行零填充（ｚｅｒｏ?ｐａｄｄｉｎｇ），從而保留住圖像邊緣的信息，因此，若輸入ｍｘ７２，卷積??核是ＡｘＡ，步長是ｓ?，零填充設(shè)成ｐ，則輸出特征圖為??（（ｗ?—?ｆｔ?＋?＋?ｌ）ｘ?（（ｎ－女?＋?）ｙ！ｓ?＋１）。??１０??


本文編號：2963923