基于深度特征学习的图像超分辨率重建

• 作者: 吴从中 胡长胜 詹曙
• 来源期刊: 自动化学报
• 关键词: 超分辨率 图像复原 深度学习 卷积神经网络 特征映射
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 814-821
• 页数: 8页
• 字数: 5435字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c150634

摘要

基于学习的图像超分辨率(Super-resolution,SR)算法利用样本先验知识来重建图像,相较于其他重建方法拥有明显的优势,也是近年来研究的热点.论文首先分析了影响图像重建质量的因素,然后对基于卷积神经网络的图像超分辨率重建算法(Super-resolution convolutional neural network,SRCNN)提出了两点改进:我们用随机线性纠正单元(Randomized rectified linear unit,RReLU)去避免原有网络学习中对图像某些重要的信息过压缩,同时我们用NAG(Nesterov's accelerated gradient)方法去加速网络的收敛并且避免了网络在梯度更新的时候产生较大的震荡.最后通过实验验证了我们改进网络可以获得更好的主观视觉评价和客观量化评价.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴从中	合肥工业大学计算机与信息学院	33	249	9.0	14.0
2	詹曙	合肥工业大学计算机与信息学院	61	544	13.0	19.0
3	胡长胜	合肥工业大学计算机与信息学院	3	63	3.0	3.0