10.16526/j.cnki.11-4762/tp.2023.06.029
基于蓝图可分离卷积的轻量级水下图像超分辨率重建
由于水体中存在的悬浮颗粒以及高频随机运动的湍流引起光的散射和吸收而导致水下图像存在纹理模糊、分辨率低、扭曲失真等系列问题,而目前存在的大部分深度学习图像超分辨率重建算法存在着计算复杂、模型的复杂度大、内存占用高等不足;针对这些不足,提出基于蓝图可分离卷积的轻量级水下图像超分辨率重建网络,该模型分为浅层特征提取、深度特征提取、多层特征融合以及图像重建4个阶段,深度特征提取阶段中,在BSRN的基础上去除特征蒸馏分支、采用增加通道数进行补偿,同时利用3个蓝图卷积来进行残差局部特征学习以简化特征聚合,实现网络的轻量化;实验结果表明,所提出的方法在运行时间、参数量、模型复杂度方面均优于目前已提出的超分算法,放大倍数为2和4时,峰值信噪比(PSNR)和结构相似度(SSIM)均值分别达到了31.556 0 dB、0.862 0和27.708 8 dB、0.721 3,重建质量获得进一步提升.
深度学习、蓝图可分离卷积、超分辨率重建、轻量级网络、水下图像
31
TP391.41;TP183(计算技术、计算机技术)
教育部卓越工程师教育培养计划项目产学合作协同育人项目;大学生创新创业训练计划项目
2023-07-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
191-197