資源描述：
《基于-深度學習的圖像超分辨率重建研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、.畢業(yè)設計(論文)基于深度學習的圖像超分辨率重建研究院別數(shù)學與統(tǒng)計學院專業(yè)名稱信息與計算科學班級學號5133117學生姓名楚文玉指導教師張琨2017年06月10日..基于深度學習的圖像超分辨率重建研究摘要人工神經(jīng)網(wǎng)絡憑借其超強的學習能力，使得人工智能得到迅猛的發(fā)展，讓人工神經(jīng)網(wǎng)絡再次成為研究熱點。目前深度學習已經(jīng)廣泛應用于計算機視覺，語音處理，自然語言處理等各個領域，甚至在某些領域已經(jīng)起到了主導作用。單一圖像超分辨率重建技術旨在將一個低分辨率圖像經(jīng)過一系列算法重構出對應的高分辨率圖像。目前比較成熟的方法有基于頻域法，非均勻圖像插值法，凸集投影法，最大后驗概率法以及稀疏表
2、示法。本文主要研究利用深度學習實現(xiàn)單一圖像超分辨率重建。本文首先簡要介紹人工神經(jīng)網(wǎng)絡的發(fā)展歷程，然后介紹深度學習在計算機視覺方面的應用。然后介紹神經(jīng)網(wǎng)絡的一些理論知識，最后介紹深度學習中的卷積神經(jīng)網(wǎng)絡（CNN,ConvolutionalNeuralNetwork）。本文研究如何利用卷積神經(jīng)網(wǎng)絡實現(xiàn)超分辨率重建。卷積神經(jīng)網(wǎng)絡分為三層結構，第一層的作用是特征塊的提取和表示，第二層的作用是非線性映射，第三層的作用是重建出高分辨率圖像。本文首先將一個圖像降采樣再雙三次插值作為低分辨率圖像，作為卷積神經(jīng)網(wǎng)絡的輸入，而高分辨率圖像作為卷積神經(jīng)網(wǎng)絡的輸出，利用卷積神經(jīng)網(wǎng)絡建立低分辨率
3、，高分辨率之間的映射。最后針對該模型進行改進，再加入一層作為特征提取。最后利用深度學習框架TensorFlow實現(xiàn)上述模型。最后研究快速超分辨率重建模型，并針對模型層數(shù)和過濾器大小進行改進，與先前實驗做比對。關鍵字：超分辨率重建，卷積神經(jīng)網(wǎng)絡，深度學習，TensorFlow..ImageSuper-ResolutionUsingDeeplearningAuthor:ChuWen-yuTutor:ZhangKunAbstractArtificialNeuralNetworkbecauseofitsstrongabilitytolearn,getrapiddevelopme
4、ntofartificialintelligence,lettheArtificialNeuralNetworkbecometheresearchupsurgeagain.Deeplearninghasbeenwidelyusedincomputervision,speechprocessing,naturallanguageprocessingandsoon.Thesuper-resolution(SR)techniqueisdesignedtorefactoralow-resolutionimagethroughaseriesofalgorithmstorecons
5、tructthecorrespondinghigh-resolutionimage.Currently,themethodoffrequencydomain,Non-uniformimageinterpolation,Projectionontoconvexset(POCS),Maximumaposterior(MPA)andsparsematrixmethodarethemorematuremethods.Thispapermainlyresearchestherealizationofsuper-resolution(SR)reconstructionusingde
6、eplearning.Inthisthesis,firstisabriefintroductionofthedevelopmentofartificialneuralnetwork,thenintroducestheapplicationofdeeplearningincomputervision.Withthatintroducessometheoreticalknowledgeofneuralnetwork,andfinallyintroducestheconvolutionneuralnetwork(CNN)indeeplearning.Thisarticlema
7、inlyresearcheshowtousetheconvolutionneuralnetwork(CNN)togetthesuper-resolutionreconstruction.Theconvolutionneuralnetworkcontainsthreestructures,theeffectofthefirstlayerisPatchextractionandrepresentation,thesecondisthefunctionofNon-linearmapping,theroleofthethirdlayeristhe
