石家庄做网站制作,郑州工程设计公司官网,新公司网站设计,设计模板主题为气流前言 我们将学习图像恢复相关知识。主要有图像恢复的定义、评价标准和实现图像恢复的方法。图像恢复任务包括图像去噪、去模糊、图像超分辨率、图像修复等#xff1b;评价标准有峰值信噪比和结构相似性#xff1b;图像超分辨的方法有传统方法和基于深度学习的方法#xff1a…前言 我们将学习图像恢复相关知识。主要有图像恢复的定义、评价标准和实现图像恢复的方法。图像恢复任务包括图像去噪、去模糊、图像超分辨率、图像修复等评价标准有峰值信噪比和结构相似性图像超分辨的方法有传统方法和基于深度学习的方法传统方法包括了基于插值的方法和基于字典学习而深度学习方法有很多包括SRCNNVDSR等。 一、图像恢复的定义
1.1 图像恢复的意义
由于环境的⼲扰速度过快、天⽓原因、识别噪声等导致的图像退化 图像恢复与图像分割区别在于图像分割是提取⾼级特征而图像恢复的意义是做图像的理解。 1.2 图像恢复任务的定义
1.2.1 通用的简单退化模型 1.2.2 图像去噪 加性噪声有 拍摄噪声(shot noise)服从泊松分布 读取噪声(read noise)服从高斯分布 暗电流噪声(Dark noise)和器件本身有关 注意区分图像去噪与图像去模糊的区别前者使⽤滤波后者是叠加
1.2.3 图像去模糊 1.2.4 图像超分辨率
这部分内容将在本人第三部分进行详细阐述。 1.2.5 图像修复 1.2.6 图像分离 1.2.7 病态问题 二、图像恢复的评价标准
常用评价标准有峰值信噪比PSNR和结构相似性SSIM注意区分二者的优缺点 三、图像超分辨率
3.1 图像超分辨率任务的定义
从低分辨率图像恢复原始的高分辨率图像 产生逼真的、有细节的图像——内容、细节真实性忠实于低分辨率图像的内容——内容匹配性 3.2 传统图像超分辨率方法
3.1.1 基于插值的方法 3.1.2 基于字典学习
基于一对互相对应的外部字典分别对应高清图像空间和低清图像空间 3.3 基于深度学习的图像超分辨率方法
3.3.1 SRCNN VDSR 3.3.2 ESPCN SRResNet 3.3.3 Perceptual loss 3.3.4 Texture matching loss 3.3.5 SRGAN 3.3.6 SFTGAN 3.4 数据集采集 3.5 基本框架
【第一种多帧超分 (Multi-frame SR) 】 【第二种递归式序列超分 (Recurrent)】 总结 在本文中我们学习了图像处理的又一技术——图像恢复。读者需要掌握图像恢复的定义是将含噪声图像、模糊图像、低分辨率图像或者破损图像等实现超分辨率重建图像恢复的评价标准是峰值信噪比和结构相似性以及图像超分辨率的相关方法包括传统的方法插值和字典基于深度学习的方法。
