数据外补偿的深度网络超分辨率重建

• 作者: 刘家瑛 夏思烽 杨文瀚 郭宗明
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 超分辨率重建 外部补偿 深度学习 内部重建
• 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: 900-913
• 页数: 14页
• 分类号: TP391
• 字数: 9383字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005403

摘要

单张图像超分辨率重建受到多对一映射的困扰.对于给定的低分辨率图像块,存在若干高分辨率图像块与之对应.基于学习的方法受此影响,学习到的逆映射规则只能预测这些高分辨率图像块的均值,从而产生视觉上模糊的超分辨率重建结果.为了弥补歧义性造成的高频细节损失,提出了一种基于深度网络、利用在线检索的数据进行高频信息补偿的图像超分辨率重建算法.该方法构建一个深度网络,通过3个分支预测高分辨率重建结果:一条旁路直接将输入的低分辨率图像输入到网络的最后一层;一条内部高频信息重建路径基于低分辨率图像回归预测高分辨率图像,重建高分辨率图像的主要结构;另一条外部高频信息补偿路径根据内部重建的结果,从在线检索到的相似图像中提取高频细节,对内部重建的结果进行细节补偿在第2条路径中,为了有效提取高频信号并使之适应于内部重建的重建结构,在多层特征的测量和约束下,进行高频细节迁移.相比于之前基于云数据库的传统图像超分辨率方法,所提出的方法是端对端可训练的(end-to-end trainable),因此,通过在大数据上进行学习,该方法能同时建模内部重建和外部补偿,并能自动权衡两者利弊从而给出最优的重建结果.图像超分辨率重建的实验结果表明,相比于最新的超分辨率算法,所提方法在主客观评价中均取得了更加优越的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘家瑛	北京大学计算机科学技术研究所	7	41	3.0	6.0
2	郭宗明	北京大学计算机科学技术研究所	24	254	9.0	15.0
3	杨文瀚	北京大学计算机科学技术研究所	1	3	1.0	1.0
4	夏思烽	北京大学计算机科学技术研究所	1	3	1.0	1.0