图像超分辨率特征浓缩网络

• 作者: 刘星辰 贾俊铖 张莉 胡沁涵
• 来源期刊: 计算机工程与应用
• 关键词: 卷积神经网络 超分辨率 特征提取 全局残差学习
• 年，卷（期）: 2021,（16）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 213-219
• 页数: 7页
• 分类号: TP399
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2005-0203

摘要

自从卷积神经网络应用到图像超分辨率领域以来,越来越多的神经网络被提出,并且取得良好的效果,但是当前大多数方法都严重依赖于模型的深度和宽度,而没有充分利用底层信息.针对以上问题,提出了一种新型特征浓缩网络,该网络通过多个特征浓缩块逐步提取有效特征信息.网络包括特征提取模块、特征浓缩模块和重建模块,并添加了双三次插值运算和全局残差学习.通过底层特征处理来提取有用的特征,使用特征浓缩块进一步提取特征,由重建模块恢复高分辨率图像.在实验中,选择4个不同的公开数据集进行不同尺度的测试,通过实验结果可以看出,所提出的网络对比其他方法有更好的客观指标结果.