基于卷积神经网络的图像精度深度优化

蒋 平

(安徽开放大学 开放教育学院，合肥 230022)

在日常生活中，人类通过视觉系统得到大部分信息，这些信息属于图像信息，所以图像是人类感知世界的重要载体。随着移动互联网的不断普及，网络上的图像信息呈指数型上涨，形式也变得更加多种多样。越来越多的图像信息被以数字化的方式存储到互联网中，图像来源不断广大，图像种类日益增多。在计算机视觉应用领域，图像精度优化在图像处理中占有重要位置，图像精度优化效果好，会对目标识别、图像识别以及场景解析等工作起到非常重要的帮助。为挖掘出图像中有价值的信息，需要对图像精度深度优化，以便进一步加工处理。目前，已有较多关于优化图像精度的方法，但因为其复杂性，有很多问题需要解决，并没有一个通用的评价标准。传统的图像精度深度优化方法优化效果较差，优化后的图像精度难以满足实际应用需求，因此对图像精度深度优化方法更进一步的研究具有重要的实际意义，为此设计一种基于卷积神经网络的图像精度深度优化方法。经过实验证明，此次设计的基于卷积神经网络的图像精度深度优化方法比传统优化方法优化后的图像精度高，满足了图像精度优化方法的设计目的，解决了传统方法优化精度差的问题。

1 图像精度深度优化方法设计

为了解决传统的图像精度深度优化方法优化后的图像精度仍然较差的缺陷，设计一种基于卷积神经网络的图像精度深度优化方法。……