一种对称残差CNN的图像超分辨率重建方法

• 作者: 刘树东 张艳 王晓敏
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 超分辨率重建 卷积神经网络 深度学习 对称残差网络
• 年，卷（期）: 2019,（5）
• 页码范围: 15-23
• 页数: 9页
• 分类号: TP391
• 字数: 5313字
• 语种: 中文
• DOI: 10.19665/j.issn1001-2400.2019.05.003

摘要

基于卷积神经网络的图像超分辨率重建方法具有很高的重建性能.但该类方法存在网络参数多、训练难度大,梯度消失和网络退化等问题.针对这些问题,提出一种基于对称残差卷积神经网络的图像超分辨率重建方法.通过将对称融入到残差块中,采用对称连接实现局部特征融合,提取尽可能多的有价值特征;残差块外采用跳跃连接实现全局特征融合,以提高图像的重建质量.该方法使用峰值信噪比和结构相似度作为评价指标,在Set5、Set14和BSD100标准数据集上进行2倍、3倍和4倍因子重建后的结果大部分优于比较方法,平均峰值信噪比和结构相似度值较比较方法均有提高.实验结果表明,该方法重建的图像纹理更清晰,细节更丰富,具有较好的主观视觉效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张艳	天津城建大学计算机与信息工程学院	7	22	4.0	4.0
2	刘树东	天津城建大学计算机与信息工程学院	6	18	3.0	4.0
3	王晓敏	天津城建大学计算机与信息工程学院	1	5	1.0	1.0