基于深度反卷积神经网络的图像超分辨率算法

• 作者: 刘侍刚 张钰 张鲁 彭亚丽 郭敏
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 卷积神经网络 图像超分辨率 深度映射 上采样
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 多媒体大数据处理与分析专题
• 页码范围: 926-934
• 页数: 9页
• 分类号: TP391
• 字数: 4247字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005407

摘要

图像超分辨率一直是底层视觉领域的研究热点,现有基于卷积神经网络的方法直接利用传统网络模型,未对图像超分辨率属于回归问题这一本质进行优化,其网络学习能力较弱,训练时间较长,重建图像的质量仍有提升空间.针对这些问题,提出了基于深度反卷积神经网络的图像超分辨率算法,该算法利用反卷积层对低分辨率图像进行上采样处理,再经深度映射消除由反卷积层造成的噪声和伪影现象,使用残差学习降低网络复杂度,同时避免了因网络过深导致的网络退化问题.在Set 5、Set 14等测试集中,所提算法的PSNR、SSIM、IFC这3项评价指标都优于FSRCNN,重建图像的视觉效果同样验证了该算法出色的性能.