基于深层残差网络的加速图像超分辨率重建 |
| |
引用本文: | 席志红,侯彩燕,袁昆鹏,薛卓群.基于深层残差网络的加速图像超分辨率重建[J].光学学报,2019,39(2):81-90. |
| |
作者姓名: | 席志红 侯彩燕 袁昆鹏 薛卓群 |
| |
作者单位: | 哈尔滨工程大学信息与通信工程学院,黑龙江 哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,黑龙江 哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,黑龙江 哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,黑龙江 哈尔滨,150001 |
| |
摘 要: | 针对目前卷积神经网络的超分辨率算法存在卷积层数少、模型简单、计算量大、收敛速度慢以及图像纹理模糊等问题,提出了一种基于深层残差网络的加速图像超分辨率重建方法,该方法在提高图像分辨率的同时加快收敛速度。设计更深的卷积神经网络模型来提高精确度,通过残差学习并且使用Adam优化方法使网络模型加速收敛。在原始低分辨率图像上直接进行特征映射,只在网络的末端引入子像素卷积层,将像素进行重新排列,得到高分辨率图像。实验结果表明,在set 5,set 14,BSD100测试集上,所提算法的峰值信噪比与结构相似性指数均高于现有的几种算法,能够恢复更多的图像细节,图像边缘也更加完整且收敛速度更快。
|
关 键 词: | 图像处理 超分辨率 深度学习 卷积神经网络 残差网络 子像素卷积 |
本文献已被 CNKI 万方数据 等数据库收录! |
|