基于可逆神经网络的图像超分辨率重建算法

摘要：

近年来,卷积神经网络在单幅图像超分辨率重建SISR任务中展现出良好的效果,已成为该领域内应用最广泛的算法,但该算法未能有效弱化一对多的病态问题和减小重建图像解空间范围,因此对图像重建质量提升的效果越来越有限,目前已面临瓶颈问题,很难有较大的性能提升.为有效减小重建图像的解空间,提升重建图像性能,提出了基于可逆神经网络的图像超分辨率重建算法,通过模型设计,将图像退化和重建过程设计为一个可逆变换过程,有效约束了图像解空间,可逆卷积结构的应用使算法获得最合适的通道排布规则,从而有效提升了模型性能.在主流数据集上的实验结果表明,提出的算法相对于现有的S I S R算法在图像重建精度上有了极大的提升,获得了最佳的PSNR和SSIM.

关键词：超分辨重建、可逆流模型、像素重排、可逆耦合

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金62201092

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：478-488