收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

多层次感知残差卷积网络的单幅图像超分重建

何蕾  程佳豪  占志钰  杨雯博  刘沛然  
【摘要】:目的单幅图像超分辨率重建的深度学习算法中,大多数网络都采用了单一尺度的卷积核来提取特征(如3×3的卷积核),往往忽略了不同卷积核尺寸带来的不同大小感受域的问题,而不同大小的感受域会使网络注意到不同程度的特征,因此只采用单一尺度的卷积核会使网络忽略了不同特征图之间的宏观联系。针对上述问题,本文提出了多层次感知残差卷积网络(multi-level perception residual convolutional network, MLP-Net,用于单幅图像超分辨率重建)。方法通过特征提取模块提取图像低频特征作为输入。输入部分由密集连接的多个多层次感知模块组成,其中多层次感知模块分为浅层多层次特征提取和深层多层次特征提取,以确保网络既能注意到图像的低级特征,又能注意到高级特征,同时也能保证特征之间的宏观联系。结果实验结果采用客观评价的峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity, SSIM)两个指标,将本文算法其他超分辨率算法进行了对比。最终结果表明本文算法在4个基准测试集上(Set5、Set14、Urban100和BSD100(Berkeley Segmentation Dataset))放大2倍的平均峰值信噪比分别为37.851 1 dB,33.933 8 dB,32.219 1 dB,32.148 9 dB,均高于其他几种算法的结果。结论本文提出的卷积网络采用多尺度卷积充分提取分层特征中的不同层次特征,同时利用低分辨率图像本身的结构信息完成重建,并取得不错的重建效果。

知网文化
【相似文献】
中国期刊全文数据库 前8条
1 甄雪艳;何宁;孙欣;;基于改进的卷积神经网络的图像超分辨率重建[J];计算机工程与设计;2020年03期
2 王鑫;王翠荣;王聪;苑迎;;双通道多感知卷积神经网络图像超分辨率重建[J];东北大学学报(自然科学版);2020年11期
3 梁超;黄洪全;;基于卷积神经网络的轻量级图像超分辨率[J];计算机与现代化;2020年11期
4 惠心雨;汪辉;白俊强;郭彬;刘成茂;;基于卷积神经网络的光电导航图像超分辨率方法[J];现代导航;2020年06期
5 杨宇辉;刘昌华;;基于快速卷积神经网络的大田油菜花图像超分辨率重建[J];荆楚理工学院学报;2020年03期
6 贺智;贺丹;;基于深度学习的高分四号卫星图像超分辨率重建[J];遥感学报;2020年12期
7 刘永信;段添添;;基于深度学习的图像超分辨率重建技术的研究[J];科技与创新;2018年23期
8 唐家福;穆平安;;基于多尺度稠密卷积网络的单图像超分辨率重建[J];包装工程;2020年13期
中国重要会议论文全文数据库 前11条
1 林国强;王博;孔英会;胡启杨;;基于压缩感知的变电站巡检图像超分辨率重建[A];第37届中国控制会议论文集(F)[C];2018年
2 姜倩茹;白煌;;基于双字典设计的图像超分辨率重构[A];信号处理在生仪2014学术年会论文集[C];2014年
3 张东;韩军;;图像超分辨率重建算法研究[A];2010年西部光子学学术会议摘要集[C];2010年
4 阮小燕;陈向宁;高孟男;;基于相位相关法与小波变换的图像超分辨率重建[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
5 张煜东;吴乐南;奚吉;王水花;;变长小生境算法用于图像超分辨率复原[A];2009年通信理论与信号处理学术年会论文集[C];2009年
6 闫允一;郭宝龙;;基于小波的图像超分辨率重建算法研究[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 张琼;付怀正;沈民奋;;基于稀疏表示的彩色图像超分辨率重建算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
8 姚林;;基于双边滤波插值图像超分辨率重建算法研究[A];云南省测绘地理信息学会2015年学术年会论文集[C];2015年
9 顾莹;朱秀昌;;基于CS的图像超分辨率重建[A];2010年通信理论与信号处理学术年会论文集[C];2010年
10 王强;曾向阳;;深度学习方法及其在水下目标识别中的应用[A];中国声学学会水声学分会2015年学术会议论文集[C];2015年
11 李洁;张翰铭;王林元;李磊;张文昆;闫镔;;基于深度卷积神经网络的有限角度伪影抑制方法[A];2016年全国射线数字成像与CT新技术研讨会论文集[C];2016年
中国博士学位论文全文数据库 前20条
1 郑虹;多对比度磁共振大脑图像超分辨率算法研究[D];厦门大学;2018年
2 邱康;基于机器学习的图像超分辨率重建关键技术研究[D];武汉大学;2018年
3 李莹华;基于压缩感知的图像处理方法及应用研究[D];西安电子科技大学;2019年
4 王新华;面向复杂场景的图像处理技术若干问题研究及其在计算光学成像系统中的应用[D];吉林大学;2019年
5 熊东平;基于边缘增强和深度学习的图像超分辨率重建方法研究[D];华中科技大学;2019年
6 张凤珍;分离字典优化及其在图像处理中的应用[D];北京交通大学;2018年
7 肖斐;图像超分辨率与基于目标模型的目标识别方法研究[D];华中科技大学;2017年
8 唐永亮;单幅图像超分辨率重建方法研究[D];重庆大学;2018年
9 岳波;基于学习的图像超分辨率重建方法研究[D];西安电子科技大学;2018年
10 孙镱诚;基于压缩感知的图像超分辨率重建方法研究[D];南京理工大学;2018年
11 魏烨;单幅图像超分辨率重建方法及其视觉位移测量应用研究[D];中国科学技术大学;2019年
12 翟海天;图像超分辨率重建关键技术研究[D];西北工业大学;2016年
13 查志远;基于稀疏表示与低秩模型的图像复原算法研究[D];南京大学;2018年
14 徐向阳;RGB-D图像内容分析关键技术研究[D];南京大学;2018年
15 范亚茹;基于稀疏优化的图像与信号处理方法及其应用[D];电子科技大学;2018年
16 张新;图像处理中超分辨率与修复方法的研究[D];山东大学;2018年
17 程培涛;基于学习的单幅图像超分辨率重建方法研究[D];西安电子科技大学;2017年
18 徐海明;图像超分辨率重建关键技术的基础研究[D];中国科学技术大学;2013年
19 张剑;图像超分辨率重建问题研究[D];中南大学;2010年
20 康凯;图像超分辨率重建研究[D];中国科学技术大学;2016年
中国硕士学位论文全文数据库 前20条
1 鲁健恒;基于卷积神经网络的图像超分辨率重建[D];广西师范大学;2020年
2 张彤;基于深度学习的图像超分辨率重构研究[D];长沙理工大学;2019年
3 吴荣贵;基于深度学习的图像超分辨率重建研究[D];中国科学院大学(中国科学院光电技术研究所);2020年
4 张晗;深度学习在岩石图像超分辨率重建中的应用研究[D];西安石油大学;2020年
5 吴洁;基于深度学习的图像超分辨率重建技术研究[D];天津大学;2018年
6 朱星辰;基于卷积神经网络的图像超分辨率重建[D];合肥工业大学;2020年
7 王子扬;基于卷积神经网络的图像超分辨率重建[D];景德镇陶瓷大学;2020年
8 鲁甜;基于深度学习的图像超分辨率重建研究[D];华中师范大学;2020年
9 王超;基于多特征融合学习的图像超分辨率算法[D];山东师范大学;2020年
10 刘洋;基于生成对抗网络的图像超分辨率重构算法研究[D];湖南师范大学;2020年
11 张佳祺;基于卷积神经网络的图像超分辨率重建算法研究[D];天津大学;2018年
12 杜变丽;基于深度学习的视频图像超分辨率及去模糊技术研究[D];西北师范大学;2020年
13 袁飘逸;基于深度学习的图像超分辨率重建算法研究[D];云南师范大学;2020年
14 李建雄;基于深度学习的图像超分辨率研究[D];华南理工大学;2020年
15 倪若婷;人脸图像超分辨率重建优化方法研究与应用[D];江苏大学;2020年
16 杨瞻远;基于深度神经网络的图像超分辨率重构算法研究[D];电子科技大学;2020年
17 张海程;基于端对端深度学习的图像超分辨率方法研究[D];山东工商学院;2020年
18 刘璟;基于深度学习的单张图像超分辨率算法研究[D];华东师范大学;2020年
19 耿瑞;基于跳跃连接残差网络与并行通道的图像超分辨率重建[D];昆明理工大学;2019年
20 朝丹凤;基于卷积稀疏表示的图像超分辨率重建研究[D];北京工业大学;2017年
中国重要报纸全文数据库 前2条
1 记者 刘肖勇 蔡敏霞 通讯员 严偲偲;一套算法让模糊低清小视频变高清[N];广东科技报;2019年
2 本报见习记者 丁宁宁 通讯员 严偲偲;一套算法夺四项冠军[N];中国科学报;2019年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978