收藏本站
《兰州理工大学》 2020年
收藏 | 手机打开
二维码
手机客户端打开本文

基于卷积神经网络的壁画图像超分辨率重建算法研究

闫娟娟  
【摘要】:随着超分辨率重构技术的发展,针对壁画图像进行超分辨率重建已经成为重点研究课题。近年来,基于卷积神经网络的深度学习作为一种新兴的图像处理技术,在模式识别、计算机视觉、目标分类和检测等众多领域被广泛应用。而利用卷积神经网络对图像进行超分辨率重建已经成为图像复原领域非常活跃的话题。随着卷积神经网络模型层数的不断加深,其重建图像的自主学习能力不断提升。但目前基于卷积神经网络的图像超分辨率重建模型针对结构细节信息丰富,纹理、色彩复杂多变的壁画图像进行超分辨率重建时仍存在一定问题。因此,本文根据壁画图像的纹理和结构特征,借鉴卷积神经网络的设计思想,对壁画图像超分辨率重建问题展开研究。1.基于多尺度残差注意力网络的壁画图像超分辨率重建方法为了拓展网络的宽度和深度,本文在特征提取阶段运用了GoogleNet中的Inception Block和ResNet中的Residual Block。首先通过多尺度映射单元,运用不同尺度的卷积核直接对低分辨率壁画图像进行特征提取;然后,将融合后的特征映射图输入到残差通道注意力块,通过建模卷积特征各个通道之间的作用关系,使网络从全局信息出发对各个特征映射图进行权值优化,增强网络模型的深度映射能力;最后,在网络的末端引入亚像素卷积层将像素进行重新排列得到重建的高分辨率壁画图像。2.基于递归残差注意力网络的壁画图像超分辨率重建方法为了避免因网络层数加深带来的参数问题,本文提出了一种递归残差注意力网络结构,该网络用去掉BN层的局部残差块构建了基准模型,并且在局部残差块中嵌入通道注意力机制,通过自动校准特征通道的权重增强网络的表达能力,确保壁画图像特征信息的快速流通和完整性。然后引入的递归结构在每两个局部残差块后引出一条旁路通过共享网络参数降低其参数量。最后运用反卷积层对壁画图像进行不同放大倍数下的重建。本文提出的两种改进算法,均在壁画图像实验数据集进行了测试,实验结果表明,这两种改进算法均可以减小重建误差,增强重建壁画图像的边缘、纹理及结构信息,使得重建的壁画图像细节信息更加丰富。
【学位授予单位】:兰州理工大学
【学位级别】:硕士
【学位授予年份】:2020
【分类号】:K879.41;TP391.41;TP183

免费申请
【相似文献】
中国期刊全文数据库 前9条
1 王旺;徐俊武;李颖先;;改进的基于卷积神经网络的图像超分辨率方法[J];计算机应用与软件;2019年03期
2 郭继昌;吴洁;郭春乐;朱明辉;;基于残差连接卷积神经网络的图像超分辨率重构[J];吉林大学学报(工学版);2019年05期
3 张海涛;赵燚;;改进超分辨率卷积神经网络和字典学习的图像超分辨率重构算法[J];小型微型计算机系统;2018年09期
4 赖蘋华;宫晓曼;;基于深度学习的医学图像超分辨率重构[J];数码世界;2018年12期
5 李现国;孙叶美;杨彦利;苗长云;;基于中间层监督卷积神经网络的图像超分辨率重建[J];中国图象图形学报;2018年07期
6 谢超;朱泓宇;;基于深度卷积神经网络的图像超分辨率重建方法[J];传感器与微系统;2020年09期
7 胡长胜;詹曙;吴从中;;基于深度特征学习的图像超分辨率重建[J];自动化学报;2017年05期
8 应自炉;商丽娟;徐颖;刘健;;面向图像超分辨率的紧凑型多径卷积神经网络算法研究[J];信号处理;2018年06期
9 李丽;李旭健;;基于稀疏编码的图像超分辨率复原[J];计算机与数字工程;2020年03期
中国重要会议论文全文数据库 前10条
1 林国强;王博;孔英会;胡启杨;;基于压缩感知的变电站巡检图像超分辨率重建[A];第37届中国控制会议论文集(F)[C];2018年
2 姜倩茹;白煌;;基于双字典设计的图像超分辨率重构[A];信号处理在生仪2014学术年会论文集[C];2014年
3 杨浩;高建坡;陈向东;吴镇扬;;利用示例图像获取先验知识的图像超分辨率重建算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年
4 张东;韩军;;图像超分辨率重建算法研究[A];2010年西部光子学学术会议摘要集[C];2010年
5 阮小燕;陈向宁;高孟男;;基于相位相关法与小波变换的图像超分辨率重建[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
6 张煜东;吴乐南;奚吉;王水花;;变长小生境算法用于图像超分辨率复原[A];2009年通信理论与信号处理学术年会论文集[C];2009年
7 闫允一;郭宝龙;;基于小波的图像超分辨率重建算法研究[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
8 张琼;付怀正;沈民奋;;基于稀疏表示的彩色图像超分辨率重建算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
9 姚林;;基于双边滤波插值图像超分辨率重建算法研究[A];云南省测绘地理信息学会2015年学术年会论文集[C];2015年
10 张蔚;;辽墓壁画的发现与研究[A];耕耘录:吉林省博物院学术文集2010-2011[C];2012年
中国重要报纸全文数据库 前10条
1 本报驻墨西哥记者 刘旭霞;壁画传递战胜疫情的信心[N];人民日报;2020年
2 本报记者 张哲浩 杨永林;珍贵壁画重现唐代生活场景[N];光明日报;2020年
3 记者 邹雅婷;山西博物院展出北朝壁画精品[N];人民日报海外版;2019年
4 新甘肃·甘肃日报记者 施秀萍 通讯员 殷曦;以痴情延续壁画生命[N];甘肃日报;2019年
5 本报记者 马丹丹;地铁2号线老壁画“修旧如故”[N];首都建设报;2020年
6 孟中;填补空白的娄睿墓壁画[N];太原日报;2019年
7 樊树林;“墙绘壁画”为美丽乡村建设添彩[N];苏州日报;2020年
8 本报记者 张亚萌;大型壁画《延安文艺 永恒华章》:四重意象的视觉交响[N];中国艺术报;2020年
9 张仲伟;史上最全五台山塑像壁画遗产文献[N];中国出版传媒商报;2020年
10 本报驻墨西哥记者 刘旭霞;壁画传递战胜疫情的信心[N];人民日报;2020年
中国博士学位论文全文数据库 前10条
1 邱康;基于机器学习的图像超分辨率重建关键技术研究[D];武汉大学;2018年
2 李莹华;基于压缩感知的图像处理方法及应用研究[D];西安电子科技大学;2019年
3 王新华;面向复杂场景的图像处理技术若干问题研究及其在计算光学成像系统中的应用[D];吉林大学;2019年
4 熊东平;基于边缘增强和深度学习的图像超分辨率重建方法研究[D];华中科技大学;2019年
5 张凤珍;分离字典优化及其在图像处理中的应用[D];北京交通大学;2018年
6 肖斐;图像超分辨率与基于目标模型的目标识别方法研究[D];华中科技大学;2017年
7 唐永亮;单幅图像超分辨率重建方法研究[D];重庆大学;2018年
8 岳波;基于学习的图像超分辨率重建方法研究[D];西安电子科技大学;2018年
9 孙镱诚;基于压缩感知的图像超分辨率重建方法研究[D];南京理工大学;2018年
10 魏烨;单幅图像超分辨率重建方法及其视觉位移测量应用研究[D];中国科学技术大学;2019年
中国硕士学位论文全文数据库 前10条
1 闫娟娟;基于卷积神经网络的壁画图像超分辨率重建算法研究[D];兰州理工大学;2020年
2 张佳祺;基于卷积神经网络的图像超分辨率重建算法研究[D];天津大学;2018年
3 房晓晶;基于卷积神经网络的图像超分辨率应用研究[D];北京邮电大学;2017年
4 耿瑞;基于跳跃连接残差网络与并行通道的图像超分辨率重建[D];昆明理工大学;2019年
5 李孟宸;基于小波系数预测学习的图像超分辨率重建[D];昆明理工大学;2019年
6 吴洁;基于深度学习的图像超分辨率重建技术研究[D];天津大学;2018年
7 卢昱璇;基于卷积神经网络的图像超分辨率重建及其视觉改进[D];安徽大学;2016年
8 付吉;基于识别的图像超分辨率技术研究[D];解放军信息工程大学;2008年
9 王慧云;基于深度学习的图像超分辨率重建[D];电子科技大学;2020年
10 王超;基于多特征融合学习的图像超分辨率算法[D];山东师范大学;2020年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026