基于稀疏性深度学习的航拍图像超分辨重构

• 作者: 王彩云 李阳雨 李晓飞 王佳宁 魏文怡
• 来源期刊: 系统工程与电子技术
• 关键词: 图像超分辨 深度学习 卷积神经网络 航拍图像 图像质量评价
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 电子技术|Electronic Technology
• 页码范围: 2045-2050
• 页数: 6页
• 分类号: TN911.73
• 语种: 中文
• DOI: 10.12305/j.issn.1001-506X.2021.08.04

摘要

为降低无人机硬件设备升级成本,研究利用深度学习技术进行航拍图像超分辨(super-resolution,SR).针对神经网络训练参数量大的特点,提出了一种稀疏卷积神经网络SR(SR based on sparse convolutional neural network,SRSCNN)重构方法,对神经网络连接权值进行选择性筛选达到压缩网络结构并减少训练时间的目的.实验结果表明,该方法在缩短网络学习时间,图像重构效果和计算时间上具有一定优越性.同时,设计了一种基于显著性区域的图像质量评价方式,更适应航拍图像后续处理工作.