基于多尺度特征损失函数的图像超分辨率重建

摘要：

在图像超分辨率重建问题中,许多基于深度学习的方法大多采用传统的均方误差(MSE)作为损失函数,重建后的图像容易出现细节模糊和过于平滑的问题.针对这一问题,本文对传统的均方误差损失函数进行改进,提出一种基于多尺度特征损失函数的图像超分辨率重建方法.整个网络模型由基于DenseNet的重建模型和一个用来优化多尺度特征损失函数的卷积神经网络串联构成.将重建后得到的图像和对应的原始高清图像作为串联的卷积神经网络的输入,计算重建图像卷积得到的不同尺度特征图与对应的原始高清图像卷积得到的不同尺度特征图的均方误差.实验结果表明,本文提出的方法在主观视觉效果和PSRN、SSIM上均有所提升.

关键词：图像超分辨率重建、稠密卷积神经网络、多尺度特征损失函数、深度学习

所属期刊栏目：46

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61471212;浙江省自然科学基金资助项目LY16F010001

在线出版日期：2019-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1-9