基于卷积神经网络的真实场景图像超分辨率重构方法研究.pdf

哈尔滨理工大学工学硕士学位论文

基于卷积神经网络的真实场景图像超分辨率重构方

法研究

摘要

随着社会信息化程度的提高，数字图像成为重要的传播载体，但受到复杂

环境的影响，采集到的图像分辨率往往难以满足实际应用的需求。超分辨率重

构技术可在不改变硬件设备的情况下，通过图像处理方法提高图像分辨率，具

有重要的研究和应用价值。本文围绕真实场景下的图像超分辨率重构问题，分

别从提升重构图像视觉效果和满足识别任务的应用需求两方面出发，展开基于

卷积神经网络的图像超分辨重构方法研究，主要研究工作如下：

1、针对大多数现有方法多采用单一输出，难以稳定且准确地恢复高分辨率

图像中高频细节的问题，提出了一种基于多分支网络的真实场景图像超分辨率

重构方法。该方法通过树状结构形成多条分支，可获得多个重构图像，再通过

空间频率方法融合各图像得到最终的重构结果，从而丰富重构图像高频细节。

网络基础块融入密集残差结构和通道空间注意力机制，并通过双通道残差连接，

Set5RealSR

在增强特征表现能力的同时，可以允许更多低频特征通过。本文在、

及DRealSR等多个数据集上进行了对比分析实验，实验结果表明，本方法在

PSNRSSIMNIQE

、及多个评价指标上均有所提升。

2、针对现有方法重构的图像在识别任务上表现不理想的问题，提出了一种

基于先验知识和识别任务混合驱动的人脸超分辨率重构方法。该方法以多分支

超分辨率重构网络为基础，一方面在其每条分支中加入人脸先验估计模块，利

用人脸边缘信息图和局部解析图增强人脸信息特征提取；另一方面级联人脸识

别网络，通过联合超分辨率重构网络损失和人脸识别网络损失，对整体网络采

用分步联合的训练方式，引导网络朝着提高人脸识别精度的方向进行优化。本-

LFWCASIA-WebFace

文在和数据集上进行了人脸超分辨率重构和人脸识别对

比分析实验，实验结果表明，本方法在PSNR与SSIM超分辨率重构评价指标

和人脸识别精度上均有所提升。

关键词图像超分辨率；真实场景；卷积神经网络；多分支；人脸识别任务驱动

--I

哈尔滨理工大学工学硕士学位论文

ResearchonSuper-ResolutionforReal-worldScenes

basedonConvolutionalNeuralNetworks

Abstract

Withtheimprovementofsocialinformatization,digitalimagehasbecomean

importanttransmissioncarrier,butundertheinfluenceofcomplexenvironment,the

resolutionofthecollectedimagesisoftendifficulttomeettheneedsofpractical

application.Super-resolutiontechnologycanimprovetheimageresolutionthrough

theimageprocessingmethodwithoutchangingthehardwareequipment,whichisof

greatresearchandapplicationvalue.Focusingontheproblemofsuperresolutionof

realsceneimages,thispaperconductstheresearchonimagesuperresolutionmethod

basedo