基于深度学习的芯片图像超分辨率重建

• 作者: 张铭津 李云松 池源 范明明
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 超分辨率重建 卷积神经网络 迭代反投影 芯片硬件木马
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 研究与应用
• 页码范围: 353-360
• 页数: 8页
• 分类号: TP391.41
• 字数: 4322字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201904008

摘要

考虑到卷积神经网络可以通过训练过程引入图像的先验知识,文中提出基于深度学习的芯片图像超分辨率重建.利用卷积神经网络改善迭代反投影法的初始估计图像,通过迭代过程引入图像序列间的互补信息,建立芯片图像的样本集.实验表明,在不同放大倍数下,改进算法的客观评价指标平均值均较高,在芯片图像中的电路密集处,改进算法的主观视觉感受也较好.同时,文中算法适用于自然图像.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李云松	西安电子科技大学综合业务网理论及关键技术国家重点实验室	69	435	11.0	16.0
2	池源	工业和信息化部电子第五研究所电子元器件可靠性物理及其应用技术重点实验室	2	1	1.0	1.0
3	张铭津	西安电子科技大学综合业务网理论及关键技术国家重点实验室	3	4	1.0	2.0
4	范明明	西安电子科技大学综合业务网理论及关键技术国家重点实验室	1	1	1.0	1.0