基于深度反卷积神经网络的图像超分辨率算法

被引：81

作者：

彭亚丽 ^{[1
,2
,3
]}

张鲁 ^{[1
,2
]}

张钰 ^{[1
,2
]}

刘侍刚 ^{[1
,2
]}

郭敏 ^{[2
,3
]}

机构：

[1] 现代教学技术教育部重点实验室(陕西师范大学)

[2] 陕西省教学信息技术工程实验室(陕西师范大学)

[3] 陕西师范大学计算机科学学院

来源：

软件学报 | 2018年 / 29卷 / 04期

关键词：

卷积神经网络; 图像超分辨率; 深度映射; 上采样;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

图像超分辨率一直是底层视觉领域的研究热点,现有基于卷积神经网络的方法直接利用传统网络模型,未对图像超分辨率属于回归问题这一本质进行优化,其网络学习能力较弱,训练时间较长,重建图像的质量仍有提升空间.针对这些问题,提出了基于深度反卷积神经网络的图像超分辨率算法,该算法利用反卷积层对低分辨率图像进行上采样处理,再经深度映射消除由反卷积层造成的噪声和伪影现象,使用残差学习降低网络复杂度,同时避免了因网络过深导致的网络退化问题.在Set 5、Set 14等测试集中,所提算法的PSNR、SSIM、IFC这3项评价指标都优于FSRCNN,重建图像的视觉效果同样验证了该算法出色的性能.

引用

页码：926 / 934

页数：9