基于深度卷积残差学习的图像超分辨

• 作者: 任福全 史紫腾 王瑞 王知人 谷昊晟
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 超分辨 深度学习 多层映射 残差学习
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 42-48
• 页数: 7页
• 分类号: TP391
• 字数: 4118字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2019554

摘要

传统的超分辨率卷积神经网络难以获得丰富的细节和边缘信息.提出了一种多映射残差卷积神经网络(MMRCNN)来解决这些问题.具体来说,MMRCNN直接使用低分辨率图像作为网络的初始输入,然后使用卷积层提取特征.其次,通过残差学习构建多映射网络,添加批量归一化层优化网络,使聚合高分辨率图像时所需要的特征信息能够变得极为丰富.最后,使用反卷积层来完成图像上采样,输出高分辨率图像,因此不需要预处理,就能够直接完成低分辨率图像与高分辨率图像之间端到端的映射关系.在不同模型的基准数据集上的实验表明,MMRCNN在峰值信噪比、结构相似性和视觉效果方面均有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王知人	燕山大学理学院	38	102	7.0	9.0
2	王瑞	燕山大学理学院	11	25	4.0	4.0
3	史紫腾	燕山大学理学院	2	0	0.0	0.0
4	任福全	燕山大学理学院	3	0	0.0	0.0
5	谷昊晟	燕山大学理学院	1	0	0.0	0.0