圖像復原技術(shù)隨著數(shù)字技術(shù)的發(fā)展,已被廣泛應用于多個領域,是圖像處理領域中一個重要的研究方向。傳統(tǒng)圖像復原方法如逆濾波法、維納濾波法、最小二乘法等難以解決函數(shù)逼近問題,難以應用于復雜場景。本文主要使用生成對抗網(wǎng)絡實現(xiàn)圖像超分辨率重建和圖像修復兩方面的復原任務。圖像超分辨率重建在預處理時會出現(xiàn)丟失部分圖像重要的高頻細節(jié),重建圖像過于光滑以及網(wǎng)絡模型訓練不穩(wěn)定等問題。圖像修復過程中存在受偽像影響、修復結(jié)果一致性不足、修復時間過長等問題。通過對上述問題的研究和實驗分析,本文提出的改進的單幀圖像超分辨率重建方法和改進的基于多尺度特征融合的漸進式語義圖像修復方法在一定程度上提高了圖像復原的質(zhì)量和效率,主要工作內(nèi)容如下:(1)改進基于拉普拉斯金字塔的圖像生成方法,采用基于條件的生成對抗網(wǎng)絡,在生成網(wǎng)絡和判別網(wǎng)絡中加入訓練數(shù)據(jù)集標簽作為輸入條件,對生成器和判別器訓練進行邊界約束,在判別網(wǎng)絡中使用譜范數(shù)正則化,達到了網(wǎng)絡生成圖像更加清晰、訓練過程穩(wěn)定且網(wǎng)絡較快收斂的效果,為后續(xù)進行圖像超分辨及圖像修復的圖像復原研究打好理論和實驗基礎。(2)提出單幀圖像的耦合生成式對抗超分辨率重建方法,將耦合生成對抗網(wǎng)絡...

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 圖像超分辨率重建
        1.2.2 圖像修復
    1.3 本文主要研究內(nèi)容
    1.4 本文結(jié)構(gòu)安排
第二章 理論基礎
    2.1 卷積神經(jīng)網(wǎng)絡
    2.2 生成對抗網(wǎng)絡
        2.2.1 網(wǎng)絡組成
        2.2.2 目標函數(shù)及訓練過程
        2.2.3 優(yōu)勢和缺陷
    2.3 圖像生成
    2.4 圖像退化/復原過程
        2.4.1 圖像退化
        2.4.2 圖像復原
    2.5 圖像質(zhì)量評價
        2.5.1 主觀圖像評價
        2.5.2 客觀圖像評價
    2.6 本章小結(jié)
第三章 單幀圖像的耦合生成式對抗超分辨率重建
    3.1 引言
    3.2 相關(guān)概念介紹
        3.2.1 耦合生成對抗網(wǎng)絡
        3.2.2 邊界平衡
        3.2.3 相對判別
    3.3 模型網(wǎng)絡結(jié)構(gòu)
        3.3.1 總體網(wǎng)絡架構(gòu)
        3.3.2 損失函數(shù)設置
    3.4 模塊詳細介紹
        3.4.1 淺層特征提取模塊
        3.4.2 深層特征提取模塊
        3.4.3 上采樣模塊
    3.5 實驗評估
        3.5.1 前期實驗準備
        3.5.2 實驗訓練過程
        3.5.3 實驗結(jié)果與分析
    3.6 本章小結(jié)
第四章 基于多尺度特征融合的漸進式語義圖像修復
    4.1 引言
    4.2 相關(guān)概念介紹
        4.2.1 課程學習
        4.2.2 殘差學習
        4.2.3 注意力機制
    4.3 模型網(wǎng)絡結(jié)構(gòu)
        4.3.1 總體網(wǎng)絡架構(gòu)
        4.3.2 損失函數(shù)設置
    4.4 模塊詳細介紹
        4.4.1 下采樣模塊
        4.4.2 抑制增強模塊
        4.4.3 空洞卷積模塊
        4.4.4 信息流傳輸模塊
        4.4.5 上采樣模塊
    4.5 實驗評估
        4.5.1 實驗準備及訓練
        4.5.2 實驗結(jié)果與分析
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
參考文獻
致謝
碩士在讀期間所獲得的成果



本文編號：3891378