基于多层卷积神经网络学习的单帧图像超分辨率重建方法

被引：22

作者：

刘娜

李翠华

机构：

[1] 厦门大学信息科学与技术学院计算机科学系

来源：

中国科技论文 | 2015年 / 10卷 / 02期

基金：

高等学校博士学科点专项科研基金;

关键词：

超分辨率重建; 卷积神经网络; 深度学习; 计算认知模型; 感知; 记忆; 决策;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

构建了一个应用于超分辨率重建的PMJ模型(perception,memory,judgment-super resolution,PMJ-SR),在感知阶段对图像进行初步的特征提取;在记忆阶段使用深度卷积神经网络学习得到超分辨率重建的过完备字典;在决策阶段,将过完备字典作为超分辨率重建的依据,对单帧图像进行超分辨率重建。实验结果表明,该模型对单帧图像具有良好的重建能力,能够较好地重建低分辨率图像。

引用

页码：201 / 206

页数：6

共 7 条

[1]

A computational cognition model of perception,memory,and judgment[J]. FU XiaoLan,CAI LianHong,LIU Ye,JIA Jia,CHEN WenFeng,YI Zhang,ZHAO GuoZhen,LIU YongJin,WU ChangXu.Science China(Information Sciences). 2014(03)

[2]

超分辨率图像重建方法综述[J]. 苏衡,周杰,张志浩.自动化学报. 2013(08)

[3] 深度学习结构和算法比较分析 [J].

李海峰 ;

李纯果 .

河北大学学报(自然科学版), 2012, (05) :538-544

[4] 基于词典学习和稀疏表示的超分辨率方法 [J].

浦剑 ;

张军平 .

模式识别与人工智能, 2010, 23 (03) :335-340

[5]

Internet visual media processing: a survey with graphics and vision applications[J] . Shi-Min Hu,Tao Chen,Kun Xu,Ming-Ming Cheng,Ralph R. Martin.The Visual Computer . 2013 (5)

[6]

Resolution enhancement based on learning the sparse association of image patches[J] . Jinjun Wang,Shenghuo Zhu,Yihong Gong.Pattern Recognition Letters . 2009 (1)

[7]

Visualizing Long-Term Memory Formation in Two Neurons of the Drosophila Brain .2 Chun-Chao Chen,Jie-Kai Wu,Hsuan-Wen Lin. SCIENCE . 2012

← 1 →