基于Dirac残差模块的单幅图像超分辨率重建

• 作者: 周大可 朱晨 朱松岩 杨欣 谢堂鑫
• 来源期刊: 云南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 超分辨率重建 深度学习 卷积神经网络 Dirac残差
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 618-623
• 页数: 6页
• 分类号: TP391:41
• 字数: 2594字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-8513.2019.06.016

摘要

针对单幅图像超分辨率重建问题(SISR),提出了一种新的基于Dirac残差的超分辨率重建算法.算法使用全局跳跃重建层来直接利用输入LR图像的低频特征,通过多个dirac残差块来自适应学习输入LR图像的高频特征,通过亚像素卷积进行图像重建.算法通过权重参数化来改进残差层,同时使用输入图像的卷积特征与残差网络学习特征结合进行重建.实验采用Adam优化器进行网络训练.使用L1范数作为损失函数.在PSNR、SSIM和视觉效果与其他先进算法进行对比,实验结果表明,在常用测试集上与其他深度学习算法相比有较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周大可	南京航空航天大学自动化学院	53	273	10.0	13.0
2	杨欣	南京航空航天大学自动化学院	65	288	10.0	13.0
3	谢堂鑫	南京航空航天大学自动化学院	2	0	0.0	0.0
4	朱松岩	南京航空航天大学自动化学院	1	0	0.0	0.0
5	朱晨	南京航空航天大学自动化学院	2	0	0.0	0.0