利用多尺度卷积神经网络的图像超分辨率算法

• 作者: 杨郁池 练秋生 解小会 陈书贞
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 超分辨率 深度学习 多尺度卷积核 残差训练 跳跃连接
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 算法研究
• 页码范围: 1033-1044
• 页数: 12页
• 分类号: TP391.41
• 字数: 7281字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2018.09.003

摘要

单幅图像超分辨率问题是典型的图像反问题.近年来深度学习广泛应用于图像超分辨率重建.为提高超分辨率算法的性能,本文利用多尺度和残差训练的思想,提出一种利用多尺度卷积神经网络的图像超分辨率算法.该算法采用多尺度的卷积核及收缩--扩展的网络结构来提取图像多尺度的信息,并在网络结构中使用跳跃连接,以便更好的传递信息并弥补由于使用下采样和上采样而造成的图像细节信息的损失,来提高图像的重建质量.通过与其他算法的对比实验表明了本文算法不仅可以取得更好的性能,并且训练的收敛速度较快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	练秋生	燕山大学信息科学与工程学院	110	1442	20.0	33.0
2	陈书贞	燕山大学信息科学与工程学院	43	533	10.0	22.0
3	解小会	燕山大学信息科学与工程学院	1	9	1.0	1.0
4	杨郁池	燕山大学信息科学与工程学院	1	9	1.0	1.0