科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决低照度条件下低分辨率图像的超分辨率重建问题，提出一种基于改进超分辨率残差网络(super-resolution residual networks, SRResNet)深度学习网络的低照度图像超分辨率重建方法。通过将读取的图像下采样、亮度降低等处理生成低照度低分辨率图像，并将该图像与高分辨率图像作为数据对输入学习模型，以便改进SRResNet的训练数据对的生成方式，优化训练过程，从而构建面向单帧低照度彩色图像的基于改进SRResNet训练的超分辨率重建方法。实验结果表明：与现有流行的图像超分辨率重建方法相比，该方法的峰值信噪比(peak signal to noise ratio, PSNR)、结构相似性(structural similarity, SSIM)指标整体为最优，低照度环境下的超分辨率重建图像更为清晰明亮、细节更丰富，该方法训练出的深度学习网络的重建效果更好。
- 单位
