基于极深超分辨率卷积神经网络的单一图像超分辨率研究（英文）

作者：黄璋豫^*

来源：Journal of Measurement Science and Instrumentation, 2022, 13(03): 276-283.

• 单图像超分辨率
• 极深超分辨卷积神经网络
• 运动模糊图像
• 图像质量指数

单一图像超分辨率（Sing image super-resolution,SISR）是一个具有挑战性的问题，从根本上说，低分辨率图像可以对应于一组高分辨率图像，但是其困难在于大多数不可预期。深度学习为单一图像超分辨率研究提供了有效途径，通过构造极深超分辨卷积神经网络（Very deep super-resolution conventional neural network,VDSRCNN），可以将低分辨率图像优化为高分辨率图像。本研究主要实现了两个目标：图像超分辨率（Image super-resolution,ISR）和应用极深超分辨率卷积神经网络使图像更清晰。首先，在分析ISR的基础上，对不同的训练参数进行改良，以测试VDSRCNN的性能；其次，通过在训练集中加入运动模糊图像来优化VDSRCNN的结构参数；最后，利用图像质量指数评价了传统方法和VDSRCNN方法的图像差异。结果表明，本文提出的方法可以有效改良VDSRCNN的结构，更好地从低分辨率图像生成高分辨率图像。