改进的基于卷积神经网络的图像超分辨率方法

• 作者: 徐俊武 李颖先 王旺
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 超分辨率 深度学习 卷积神经网络
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 214-218
• 页数: 5页
• 分类号: TP391
• 字数: 3211字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.03.039

摘要

图像超分辨率是计算机视觉领域的经典问题.使用深度神经网络来解决图像超分辨率的问题目前得到越来越多的研究学者的关注和青睐.为改善基于卷积神经网络的图像超分辨率方法的图像生成效果,提出一种改进的方法.在神经网络层中加深网络层数,并且针对加深网络可能出现的退化现象引入残差网络结构,并将图像上采样步骤放入网络中.实验表明,在与传统的插值法和原始的基于卷积神经网络方法的对比中,该优化方法生成的图像观感更加锐利清晰、细节丰富,而且无论在峰值信噪比和结构相似性上均有明显提高,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐俊武	武汉工程大学计算机科学与工程学院	5	29	3.0	5.0
2	王旺	武汉工程大学计算机科学与工程学院	2	3	1.0	1.0
3	李颖先	武汉工程大学计算机科学与工程学院	1	3	1.0	1.0