改进的卷积神经网络红外图像超分辨率算法

• 作者: 廖小华 祁世风 蒋勇 陈念年
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 红外图像 超分辨率 深度学习 灰度变换
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 75-80
• 页数: 6页
• 分类号: TP39
• 字数: 3866字
• 语种: 中文

摘要

基于卷积神经网络的图像超分辨率算法可以分为图像尺寸放大和图像细节恢复/增强两个步骤,在细节恢复过程中,卷积层直接从输入图像中学习特征并将该特征作为下一个卷积层的输入数据.为了加强输入图像和卷积层各通道图像的特征表达能力,提出了一种新的卷积神经网络算法,该算法对输入图像和通道图像进行选择性灰度变换而增强特征表达的能力.实验结果表明,在公共红外图像数据集和实验室采集的红外图像数据集上,所提方法的超分辨率重建效果均优于当前的几种典型算法,能够恢复的细节信息更多.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈念年	西南科技大学计算机科学与技术学院	61	625	11.0	22.0
2	蒋勇	西南科技大学计算机科学与技术学院	16	59	4.0	7.0
3	廖小华	西南科技大学计算机科学与技术学院	3	2	1.0	1.0
4	祁世风	西南科技大学计算机科学与技术学院	2	2	1.0	1.0