基于多窗口残差网络的单图像超分辨率重建

• 作者: 肖雅敏 张家晨 冯铁
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 单图像超分辨率重建 多窗口残差网络 卷积神经网络 深度学习 特征融合
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 图形图像处理
• 页码范围: 293-299,306
• 页数: 8页
• 分类号: TP751.1
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057224

摘要

基于卷积神经网络的单图像超分辨率模型网络结构过深,导致高频信息丢失以及模型体积庞大等问题.提出一种由多个残差模块构成的多窗口残差网络优化模型,通过使用多个不同尺寸的窗口对同一特征图进行提取,获取更丰富的高频与低频信息,并过滤出深层网络的所需特征.残差模块中较大尺寸的窗口采用较小尺寸的滤波器和多层映射层叠加组成,可在减少参数总量的同时增强网络的非线性表达能力.实验结果表明,与A+、SRCNN、ESPCN等模型相比,该模型可有效利用原始图像信息生成细节更清晰的超分辨率图像,且在主观视觉效果与客观评价指标上均有所提升.