10.19678/j.issn.1000-3428.0055740
基于多通道极深卷积神经网络的图像超分辨率算法
卷积神经网络(CNN)在单幅图像超分辨率重构中存在网络结构较浅、可提取特征较少和细节重构效果不显著等问题.为此,提出一种基于多通道极深CNN的图像超分辨率算法,分别对原始低分辨率图像进行3种插值和3种锐化等预处理操作,并以多通道图像作为CNN的输入层数据.通过重新调整卷积核大小以加深网络结构,使得输入层数据在极深的CNN模型中训练重构高分辨率图像.实验结果表明,与Bicubic、SRCNN和MC-SRCNN等算法相比,该算法的峰值信噪比和视觉效果均较好.
卷积神经网络、超分辨率重构、多通道图像、卷积核、极深网络
46
TP391(计算技术、计算机技术)
国家自然科学基金;河南省科技公关项目
2020-10-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
242-247,253