文献类型：期刊文章

作　　者：赵小强[1,2,3] 宋昭漾[1]

ZHAO Xiaoqiang;SONG Zhaoyang(College of Electrical Engineering and Information Engineering, Lanzhou University of Technology, Lanzhou 730050, China;Key Laboratory of Gansu Advanced Control for Industrial Processes, Lanzhou 730050, China;National Experimental Teaching Center of Electrical and Control Engineering, Lanzhou University of Technology, Lanzhou 730050, China)

机构地区：[1]兰州理工大学电气工程与信息工程学院,兰州730050 [2]甘肃省工业过程先进控制重点实验室,兰州730050 [3]兰州理工大学国家级电气与控制工程实验教学中心,兰州730050

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金Nos.61763029;61873116~~

年　　份：2019

卷　　号：13

期　　号：5

起止页码：858-865

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、JST、ZGKJHX、核心刊

摘　　要：为了使单帧图像在不同放大倍数的条件下进行超分辨率重建能得到较好的效果,提出了一种Adam优化的卷积神经网络(convolutional neural network,CNN)超分辨率重建方法。该方法首先使用ISODATA(iterative selforganizing data analysis)聚类算法对训练的图像集进行分类处理,然后在Adam优化的卷积神经网络中对输入图像进行特征提取和非线性映射得到特征映射图,最后在Adam优化的卷积神经网络中对特征映射图进行反卷积重建得到多尺度放大的重建图像。通过实验验证使用该方法在不同放大倍数条件下的重构效果优于传统算法,在视觉效果上有较好的表现。

关 键 词：超分辨率重建 卷积神经网络(CNN)  ISODATA聚类算法  Adam优化算法  

分 类 号：TP391.41]