多通道卷积的图像超分辨率方法
目的 超分辨率技术在实际生活中具有较为广泛的应用.经典的基于卷积神经网络的超分辨率(SRCNN)方法存在重建图像纹理结构模糊以及网络模型训练收敛过慢等问题.针对这两个问题,在SRCNN的基础上,提出一种多通道卷积的图像超分辨率(MCSR)算法.方法 通过增加残差链接,选择MSRA初始化方法对网络权值进行初始化,加快模型收敛;引入多通道映射提取更加丰富的特征,使用多层3×3等小卷积核代替单层9×9等大卷积核,更加有效地利用特征,增强模型的超分辨率重构效果.结果 MCSR迭代4×106次即可收敛,在Set5与Set14数据集上边长放大3倍后的平均峰值信噪比分别是32.84 dB和29.28 dB,与SRCNN相比提升显著.结论 MCSR收敛速度更快,并且可以生成轮廓清晰的高分辨率图像,超分辨率效果更加优秀.
图像超分辨率、深度学习、卷积神经网络、多通道卷积、残差学习
22
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目61471212;浙江省自然科学基金资助项目LY16F010001;宁波市自然科学基金资助项目2016A610091National Natural Science Foundation of China61471212;Natural Science Foundation of Zhejiang Province of ChinaLY16F010001;Ningbo Municipal Natural Science Foundation2016A610091
2018-01-09(万方平台首次上网日期,不代表论文的发表时间)
共11页
1690-1700