基于混合深度卷积网络的图像超分辨率重建

作者：胡雪影; 郭海儒; 朱蓉^*

来源：计算机应用, 2020, 40(07): 2069-2076.

• 图像超分辨率重建
• 图像特征去噪
• 混合深度卷积网络
• 反卷积
• 空洞卷积

针对传统图像超分辨率重建方法存在的重建图像模糊、噪声量大、视觉感差等问题,提出了一种基于混合深度卷积网络的图像超分辨率重建方法。首先,在上采样阶段将低分辨率图像放缩至指定大小;然后,在特征提取阶段提取低分辨率图像的初始特征;接着,将提取到的初始特征送入卷积编解码结构进行图像特征去噪;最后,在重建层用空洞卷积进行高维特征提取与运算,重建出高分辨率图像,并且使用残差学习快速优化网络,在降低噪声的同时,使重建图像的清晰度及视觉效果更优。在Set14数据集放大尺度×4的基准下,将所提方法与双三次插值(Bicubic)、锚定邻域回归(A+)、超分辨卷积神经网络(SRCNN)、极深度超分辨网络(VDSR)、编解码网络(REDNet)等超分辨率重建方法进行对比。在超分辨实验中,所提方法与对比方法比较,峰值信噪比(PSNR)分别提升了2. 73 dB、1. 41 dB、1. 24 dB、0. 72 dB和1. 15 dB,结构相似性(SSIM)分别提高了0. 067 3,0. 020 9,0. 019 7,0. 002 6和0. 004 6。实验结果表明,混合深度卷积网络能够有效地对图像进行超分辨率重建。

• 单位
  嘉兴学院; 河南理工大学