基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用深度学习进行超分辨重建已经获得了极大的成功,但是目前绝大多数网络结构依然存在训练以及重建速度较慢,一个模型仅能重建一个尺度以及重建图像过于平滑等问题.针对这些问题,本文设计了一种级联的网络结构(DCN)来逐级对图像进行重建.使用L2和感知损失函数共同优化网络,在每一级的共同作用下得到了最终高质量的重建图像.此外,本文的方法可以同时重建多个尺度,比如4×的模型可以重建1.5×,2×,2.5×,3×,3.5×,4×.在几个常用数据集上的实验表明,该方法在准确性和视觉效果均优于现有的方法.
推荐文章
一种光照不均图像的超分辨率重建算法研究
光照不均图像
超分辨率重建
激活函数
局部残差网络
特征提取
PSNR
SSIM
单帧学习与多帧重建结合的超分辨率盲重建方法
超分辨率重建
模糊退化模型(PSF)辨识
参考信息块
模糊图像
采用深度学习的快速超分辨率 图像重建方法
超分辨率图像重建
深度学习
卷积神经网络
级联
基于深度学习的单图像超分辨率重建研究综述
单图像超分辨率重建
深度学习
密集卷积网络
生成式对抗网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种深度级联网络结构的单帧超分辨重建算法
来源期刊 光电工程 学科 工学
关键词 深度学习 超分辨 逐级 多尺度 感知损失函数
年,卷(期) 2018,(7) 所属期刊栏目 科研论文
研究方向 页码范围 37-46
页数 10页 分类号 TP391.41|TP18
字数 5527字 语种 中文
DOI 10.12086/oee.2018.170729
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王伟 西安电子科技大学智能设备实验室 83 505 12.0 18.0
2 邱智亮 西安电子科技大学智能设备实验室 74 274 9.0 12.0
3 王飞 西安电子科技大学智能设备实验室 35 236 8.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (7)
参考文献  (6)
节点文献
引证文献  (5)
同被引文献  (2)
二级引证文献  (0)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(4)
  • 参考文献(3)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
超分辨
逐级
多尺度
感知损失函数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光电工程
月刊
1003-501X
51-1346/O4
大16开
四川省成都市双流350信箱
1974
chi
出版文献量(篇)
4776
总下载数(次)
5
论文1v1指导