基于边缘指导的双通道卷积神经网络 单图像超分辨率算法

摘要：

当前基于卷积神经网络(CNN)的超分辨率(SR)重建算法,虽然取得了很大的成功,但是重建图像高频纹理的效果仍然不能令人满意,其高分辨率(HR)图像局部边缘存在明显的震荡.本文提出一种结合形态学成分分析(MCA)分解的边缘指导双通道CNNSR算法:待处理的低分辨率(LR)图像通过MCA分解为纹理部分和平滑结构部分;纹理部分和原LR图像共同组成双通道,输入到改进的网络结构中重建HR纹理部分;结合HR纹理输出与LR平滑结构部分重建HR图像.训练过程采用最小化纹理损失与原图像损失之和最优化网络模型参数.后处理包括:执行网络输出与LR输入图像的直方图匹配使色调保持一致,提升感官效果;应用迭代的反向映射使HR重建与LR输入保持退化算子一致性提高PSNR值.实验结果显示:该方法能够很好地恢复HR图像的纹理细节,对纹理细节丰富的图像恢复效果更好.

关键词：超分辨率、卷积神经网络、形态学成分分析、双通道输入

所属期刊栏目：9

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61372184;北京市自然科学基金4162056

在线出版日期：2017-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：669-674