文献类型：期刊文章

作　　者：刘村[1] 李元祥[1] 周拥军[1] 骆建华[1]

Liu Cun;Li Yuanxiang;Zhou Yongjun;Luo Jianhua(School of Aeronautics & Astronautics, Shanghai Jiao Tong University, Shanghai 200240, China)

机构地区：[1]上海交通大学航空航天学院,上海200240

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(11672183);上海市军民融合专项资助项目(2016GFZ-GB02-342)

年　　份：2019

卷　　号：36

期　　号：4

起止页码：1256-1260

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：为了进一步增强视频图像超分辨率重建的效果,研究利用卷积神经网络的特性进行视频图像的空间分辨率重建,提出了一种基于卷积神经网络的视频图像重建模型。采取预训练的策略用于重建模型参数的初始化,同时在多帧视频图像的空间和时间维度上进行训练,提取描述主要运动信息的特征进行学习,充分利用视频帧间图像的信息互补进行中间帧的重建。针对帧间图像的运动模糊,采用自适应运动补偿加以处理,对通道进行优化输出得到高分辨率的重建图像。实验表明,重建视频图像在平均客观评价指标上均有较大提升(PSNR+0. 4 d B/SSIM+0. 02),并且有效减少了图像在主观视觉效果上的边缘模糊现象。与其他传统算法相比,在图像评价的客观指标和主观视觉效果上均有明显的提升,为视频图像的超分辨率重建提供了一种基于卷积神经网络的新颖架构,也为进一步探索基于深度学习的视频图像超分辨率重建方法提供了思路。

关 键 词：视频 超分辨率重建 卷积神经网络 深度学习  

分 类 号：TP391.41]