利用双通道卷积神经网络的图像超分辨率算法

• 作者: 张俊格 徐冉 黄凯奇
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 图像超分辨率 Pair-wise卷积神经网络 双通道卷积神经网络 图像块相似度学习
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 图像处理和编码
• 页码范围: 556-564
• 页数: 9页
• 分类号: TP391
• 字数: 6341字
• 语种: 中文
• DOI: 10.11834/jig.20160503

摘要

目的 图像超分辨率算法在实际应用中有着较为广泛的需求和研究.然而传统基于样本的超分辨率算法均使用简单的图像梯度特征表征低分辨率图像块,这些特征难以有效地区分不同的低分辨率图像块.针对此问题,在传统基于样本超分辨率算法的基础上,提出双通道卷积神经网络学习低分辨率与高分辨率图像块相似度进行图像超分辨率的算法.方法 首先利用深度卷积神经网络学习得到有效的低分辨率与高分辨率图像块之间相似性度量,然后根据输入低分辨率图像块与高分辨率图像块字典基元的相似度重构出对应的高分辨率图像块.结果 本文算法在Set5和Set14数据集上放大3倍情况下分别取得了平均峰值信噪比(PSNR)为32.53 dB与29.17 dB的效果.结论 本文算法从低分辨率与高分辨率图像块相似度学习角度解决图像超分辨率问题,可以更好地保持结果图像中的边缘信息,减弱结果中的振铃现象.本文算法可以很好地适用于自然场景图像的超分辨率增强任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐冉	中国科学院自动化研究所智能感知与计算研究中心	10	96	6.0	9.0
2	黄凯奇	中国科学院自动化研究所智能感知与计算研究中心	6	392	3.0	6.0
3	张俊格	中国科学院自动化研究所智能感知与计算研究中心	2	27	1.0	2.0