文献类型：期刊文章

作　　者：刘树东[1] 王晓敏[1] 张艳[1]

LIU Shudong;WANG Xiaomin;ZHANG Yan(School of Computer and Information Engineering,Tianjin Chengjian University, Tianjin 300384, China)

机构地区：[1]天津城建大学计算机与信息工程学院

出　　处：《西安电子科技大学学报》

基　　金：天津市企业科技特派员项目(18JCTPJC60000)

年　　份：2019

卷　　号：46

期　　号：5

起止页码：15-23

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基于卷积神经网络的图像超分辨率重建方法具有很高的重建性能。但该类方法存在网络参数多、训练难度大,梯度消失和网络退化等问题。针对这些问题,提出一种基于对称残差卷积神经网络的图像超分辨率重建方法。通过将对称融入到残差块中,采用对称连接实现局部特征融合,提取尽可能多的有价值特征;残差块外采用跳跃连接实现全局特征融合,以提高图像的重建质量。该方法使用峰值信噪比和结构相似度作为评价指标,在Set5、Set14和BSD100标准数据集上进行2倍、3倍和4倍因子重建后的结果大部分优于比较方法,平均峰值信噪比和结构相似度值较比较方法均有提高。实验结果表明,该方法重建的图像纹理更清晰,细节更丰富,具有较好的主观视觉效果。

关 键 词：超分辨率重建 卷积神经网络 深度学习  对称残差网络  

分 类 号：TP391]