基于多尺度递归网络的图像超分辨率重建
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.训练阶段使用自适应矩估计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,图像纹理清晰、边缘锐利,视觉效果明显得到增强.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.
图像处理、超分辨率、多尺度特征、卷积神经网络、亚像素卷积
39
TP391(计算技术、计算机技术)
国家科技重大专项17030901053
2019-07-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
82-89