基于优化卷积神经网络的图像超分辨率重建

• 作者: 龚兰兰 刘凯 凌兴宏
• 来源期刊: 计算机技术与发展
• 关键词: 深度学习 超分辨率图像 卷积神经网络 多层特征提取 多训练通道
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图形与图像
• 页码范围: 100-105
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.04.017

摘要

传统的图像超分辨率重建方法由于其计算局限性,无法对大批量或者模糊因子不同的图像做最优处理,也无法得出高分辨率图像.近年来随着深度学习神经网络越来越多被学者关注和青睐,其中卷积神经网络被成功应用于图像超分辨率重建.但是传统的图像超分辨率卷积神经网络,无论在训练速度,泛化能力,还是生成图像质量等方面仍存在问题.针对上述问题,对图像超分辨率重建的原理进行研究,对SRCNN模型在多种训练通道下的超分辨率效果进行了实验,并提出了基于多层特征提取层的图像超分辨率重建模型,采用新的优化方法,验证了多种包含不同层数体征提取层的卷积神经网络模型.实验证明该方法在一定程度上优于SRCNN方法,能够有效加快网络整体的训练速度.