一種基于神經(jīng)網(wǎng)絡(luò)的多幀超分辨算法研究.pdf

1、隨著電子產(chǎn)品性能的提高，用戶對(duì)數(shù)字圖像的質(zhì)量也提出了越來越高的要求。分辨率是衡量數(shù)字圖像質(zhì)量的一個(gè)重要指標(biāo)。提高數(shù)字圖像分辨率的最直接方法就是改良圖像采集設(shè)備的硬件，但硬件的改良往往受到現(xiàn)有工藝水平和高昂造價(jià)的限制。由此，通過軟件來提高數(shù)字圖像分辨率的超分辨技術(shù)得到了越來越多的關(guān)注。本文研究了一種基于BP神經(jīng)網(wǎng)絡(luò)的超分辨復(fù)原方法，通過對(duì)訓(xùn)練數(shù)據(jù)采集、神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、相似塊匹配、遺傳算法優(yōu)化等關(guān)鍵技術(shù)的探索，最終采用基于局部相似性和運(yùn)動(dòng)估計(jì)

2、的方法作為低分辨率圖像中相似塊的獲取方法，采用雙極性logistic函數(shù)作為神經(jīng)網(wǎng)絡(luò)隱含層和輸出層的傳輸函數(shù)，采用自適應(yīng)學(xué)習(xí)率動(dòng)量梯度下降法作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，采用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值來進(jìn)一步提升性能，采用中值濾波減輕結(jié)果圖像中的鋸齒和不平滑現(xiàn)象。通過實(shí)驗(yàn)證明，本文得出的超分辨復(fù)原方法在合理的運(yùn)算量下取得了較好的超分辨復(fù)原效果。
　　本文的主要工作有：
　?、偈褂昧艘环N基于局部相似性和運(yùn)動(dòng)估計(jì)的圖像相似塊獲取方法，在

3、減少運(yùn)算時(shí)間的同時(shí)，提高了神經(jīng)網(wǎng)絡(luò)訓(xùn)練、預(yù)測(cè)所需輸入數(shù)據(jù)的質(zhì)量，提高了算法性能。
　?、谔剿髁薆P神經(jīng)網(wǎng)絡(luò)各層的傳輸函數(shù)對(duì)超分辨復(fù)原性能的影響，通過實(shí)驗(yàn)最終得出了性能較優(yōu)秀的傳輸函數(shù)組合。
　?、厶剿髁瞬煌纳窠?jīng)網(wǎng)絡(luò)學(xué)習(xí)算法在本文場(chǎng)景中的性能，通過實(shí)驗(yàn)對(duì)比尋找到一種比較適合本文應(yīng)用情形的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。
　　④探討了兩種圖像分類方法在本文情形中用于提高超分辨復(fù)原效果的可行性，得到了初步的結(jié)論。
　?、菔褂眠z傳算