神经网络模型在图像超分领域的应用研究

• 作者: 韩伟娟 董新捷 董文龙
• 来源期刊: 信息工程大学学报
• 关键词: 图像超分 卷积 残差 峰值信噪比 结构相似性
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 电子科学与技术
• 页码范围: 159-163
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.02.006

摘要

图像分辨率提高即超分技术是指从低分辨率图像重建相应的高分辨率图像,在医学影像等领域有重要的应用价值.传统的基于插值的方法效果不尽理想,近年来深度学习被应用于该领域.回顾了快速超分辨卷积神经网络(FSRCNN)、深度超分辨率卷积神经网络(VDSR)、超分辨率生成对抗网络(SRGAN)3种神经网络在图像超分中的应用原理,设计实验测试网络结构的效果,使用Set4、Set14、Urban100等数据集进行峰值信噪比、结构相似性等指标的测试,VDSR效果较好,改进VDSR网络结构,由原来的Y通道扩展为三通道(VDSR-RGB),进一步提升了超分效果.