基于卷积神经网络的图像超分辨率改进算法

• 作者: 张梦迪 杨大利
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 超分辨率 卷积神经网络 反卷积 深度学习
• 年，卷（期）: 2019,（1）
• 页码范围: 84-88
• 页数: 5页
• 分类号: TP391.41
• 字数: 3807字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2019.01.016

摘要

针对深度学习在图像超分辨率上存在参数较多、计算量大、细节和纹理的重建效果不显著等问题,提出一种基于卷积神经网络的改进算法:直接将采样后的图像作为神经网络的输入,由反卷积输出最后放大的图像,以减小计算量;采用只在图像Y通道上进行训练的7层卷积神经网络模型调整卷积核大小;用感知损失替换均方误差作为损失函数.实验结果表明在峰值信噪比评价指标上所提方法较BI插值、SRCNN算法有明显提高,且可以在较少的计算量及较浅的网络结构下获得更清晰的纹理和边缘效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨大利	北京信息科技大学计算机学院	45	116	6.0	9.0
2	张梦迪	北京信息科技大学计算机学院	2	0	0.0	0.0