摘要
深度卷积网络是一种有效的图像超分辨(super-resolution,SR)重建技术。然而,大多数已有多深度学习超分辨方法没有充分利用输入图像中存在的不同尺度之间的相似性结构,导致获得的超分辨图像在视觉质量上仍然存在一定的差距。为解决上述问题,提出一种多尺度渐进融合网络的图像超分辨重建方法。该方法使用高斯核对输入图像生成不同尺度的高斯金字塔图像,将高斯金字塔图像输入到粗融合模块中进行深度特征提取与融合,将粗融合模块得到的结果输入到细融合模块中获取更加精细的图像特征,最后将粗融合模块得到到粗特征和细融合模块得到的细特征进行融合,从而恢复出高分辨率图像。实验结果表明,该方法不仅计算效率高,而且相比于其他深度学习方法,重建出的高分辨率图像在主观和客观质量评价两个方面均取得更好的评价性能。
- 单位