基于深度学习的图像超分辨率算法研究

被引：1

作者：

胡传平 ^{[1
]}

钟雪霞 ^{[1
]}

梅林 ^{[1
,2
]}

邵杰 ^{[1
]}

王建 ^{[1
,3
]}

何莹 ^{[1
]}

机构：

[1] 公安部第三研究所

[2] 上海辰锐信息科技公司

[3] 上海国际技贸联合有限公司

来源：

铁道警察学院学报 | 2016年 / 26卷 / 01期

关键词：

单幅图像超分辨率; 外部样例学习; 卷积神经网络; 端到端学习;

D O I：

10.19536/j.cnki.411439.2016.01.001

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

单幅图像超分辨率算法的主要任务是根据一幅给定的低分辨率图像重建出对应的高分辨率图像。大多数基于外部样例学习的单幅图像超分辨率算法首先提取低分辨率样例图像块和高分辨率样例图像块的图像特征,然后用机器学习的某种方法学习它们之间的非线性映射关系,最后将重叠的高分辨率图像块聚合生成高分辨率图像。对基于深度学习的端到端学习架构进行改进,端到端的超分辨率学习架构无需预处理和图像聚合过程;通过加深和改进深度学习网络结构,我们提出了一种新的基于卷积神经网络的图像超分辨率算法。与其他优秀的图像超分辨率算法进行对比,实验结果证明了该算法的优越性。

引用

页码：5 / 10

页数：6