一种基于深度学习的图像超分辨率重构方法

• 作者: 张彤 朱国涛 李蒸 王威 王新
• 来源期刊: 湖南城市学院学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 残差学习 深度残差密集网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 数学与信息科学
• 页码范围: 59-63
• 页数: 5页
• 分类号: TP391.41
• 字数: 3537字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7304.2019.06.0011

摘要

近年来,基于卷积神经网络(CNN)的单幅图像超分辨率重构得到了广泛应用.然而,随着网络不断加深,也同时出现了参数过多、计算代价过大和难以训练等问题.为解决上述问题,提出一种新的深度残差密集网络(DRDN)框架并应用于单幅图像超分辨率重建.首先,网络通过密集连接充分利用了低分辨率图像从浅层到深层的各层特征,为超分辨率重构提供更多的低分辨率图像信息;其次,为了充分融合全局特征信息,通过残差学习的方式进行融合重构,同时为了缓解深层网络带来的训练困难等问题,网络采用多路跳步连接,使误差更加快速地传到各层网络;最后,将该方法与深度递归残差网络(DRRN)方法在公共数据集上进行了实验比较,结果表明DRDN在网络稳定性、时间效率、收敛速度和重建效果等方面都优于DRRN.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王威	长沙理工大学计算机与通信工程学院	30	63	4.0	6.0
2	王新	长沙理工大学计算机与通信工程学院	13	15	2.0	2.0
3	李蒸		1	0	0.0	0.0
4	张彤	长沙理工大学计算机与通信工程学院	3	4	1.0	2.0