首页 > 论文 > 光学学报 > 39卷 > 06期(pp:0610001)

基于多尺度递归网络的图像超分辨率重建

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

针对目前基于卷积神经网络的图像超分辨率算法存在特征提取尺度单一、重建图像纹理模糊等问题,提出了一种基于多尺度递归网络的图像超分辨率网络模型。该模型主要由多个多尺度特征映射单元级联而成,每个单元分别包含一组不同尺度的特征提取层、一个融合层以及一个特征映射层。特征提取直接在原始低分辨率图像上进行,最后采用亚像素卷积重构高分辨率图像。训练阶段使用Adam优化方法加速网络模型的收敛。实验结果表明,所提算法取得了较好的超分辨率结果,主观视觉效果明显提升,图像纹理清晰边缘锐利,在Set5、Set14、BSD100以及Urban100等常用测试集上的客观评价指标(PSNR和SSIM)均高于现有的几种主流算法。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/aos201939.0610001

作者单位:

    合肥工业大学
    特种显示技术教育部重点实验室,合肥工业大学光电技术研究院
    合肥工业大学
    合肥工业大学
    特种显示技术教育部重点实验室,合肥工业大学光电技术研究院

引用该论文

吴磊,吕国强,薛治天,盛杰超,冯奇斌. 基于多尺度递归网络的图像超分辨率重建[J].光学学报,2019,39(06):0610001.