应用通道间相关性及增强信息蒸馏的彩色图像去马赛克网络

• 作者: 李恒鑫 常侃 谭宇飞 凌铭阳 覃团发
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 彩色图像去马赛克 通道间相关性 信息蒸馏 残差学习 卷积神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 多媒体计算与计算机仿真|Multimedia computing and computer simulation
• 页码范围: 245-251
• 页数: 7页
• 分类号: TP751
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2021010127

摘要

在商用数码相机中,由于CMOS传感器的限制,在采样得到的图像中的每个像素位置仅有一个色彩通道的信息,因此,需要采用彩色图像去马赛克(CDM)算法来恢复全彩图像.然而,现有的基于卷积神经网络(CNN)的CDM算法不能以较低的计算复杂度和网络参数量取得令人满意的性能.针对这个问题,提出一种应用通道间相关性和增强信息蒸馏(ICEID)的彩色图像去马赛克网络.首先,为了充分利用彩色图像的通道间相关性,提出了一种通道间的引导重建结构来生成初始CDM结果;其次,提出一种增强信息蒸馏模块(EIDM)来以相对较低的参数量有效地提取和精炼图像特征,从而高效地优化重建的全彩图像.实验结果表明,与主流CDM算法相比,所提算法不仅在客观质量与主观质量上均获得了明显提升,而且具有较低的计算复杂度和网络参数量.