10.19665/j.issn1001-2400.2019.05.003
一种对称残差CNN的图像超分辨率重建方法
基于卷积神经网络的图像超分辨率重建方法具有很高的重建性能.但该类方法存在网络参数多、训练难度大,梯度消失和网络退化等问题.针对这些问题,提出一种基于对称残差卷积神经网络的图像超分辨率重建方法.通过将对称融入到残差块中,采用对称连接实现局部特征融合,提取尽可能多的有价值特征;残差块外采用跳跃连接实现全局特征融合,以提高图像的重建质量.该方法使用峰值信噪比和结构相似度作为评价指标,在Set5、Set14和BSD100标准数据集上进行2倍、3倍和4倍因子重建后的结果大部分优于比较方法,平均峰值信噪比和结构相似度值较比较方法均有提高.实验结果表明,该方法重建的图像纹理更清晰,细节更丰富,具有较好的主观视觉效果.
超分辨率重建、卷积神经网络、深度学习、对称残差网络
46
TP391(计算技术、计算机技术)
天津市企业科技特派员项目18JCTPJC60000
2019-12-03（万方平台首次上网日期，不代表论文的发表时间）
共9页
15-23
