【摘要】：為重建邊緣清晰平滑的高分辨率圖像,提出一種基于卷積神經(jīng)網(wǎng)的單幅圖像超分辨率重建算法.該算法使用固定大小的小卷積核,有效地提取梯度信息;設計深度為6層的卷積神經(jīng)網(wǎng),重建出邊緣更清晰的圖像,在一定程度上抑制了邊緣的振鈴效應;使用更大的樣本庫進行訓練,避免發(fā)生過擬合.實驗結果表明,雖然文中算法在Dong的卷積神經(jīng)網(wǎng)超分辨率重建算法所提供的小訓練庫上優(yōu)勢不明顯;但在Image Net這類大訓練庫上,該算法重建的高分辨率圖像在主觀視覺感受和客觀圖像質量評價(如峰值信噪比)上都有更好的表現(xiàn).
[Abstract]:In order to reconstruct high-resolution images with clear and smooth edges, a novel super-resolution reconstruction algorithm based on convolution neural network is proposed. The algorithm uses small convolutional kernel of fixed size to extract gradient information effectively and designs a convolution neural network with depth of 6 layers to reconstruct image with clearer edge which can restrain the ringing effect of edge to a certain extent. Use a larger sample base for training to avoid overfitting. The experimental results show that the advantages of the proposed algorithm in the small training library provided by Dong's convolutional neural network super-resolution reconstruction algorithm are not obvious. However, in a large training library such as Image Net, the high resolution image reconstructed by this algorithm has better performance in subjective visual perception and objective image quality evaluation, such as peak signal-to-noise ratio (PSNR).
【作者單位】： 北京郵電大學信息與通信工程學院;
【基金】：教育部博士點基金(20130005110017)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 王曉文;劉雨;;圖像超分辨率研究綜述[J];信息技術;2009年07期

2 沈煥鋒;李平湘;張良培;王毅;;圖像超分辨率重建技術與方法綜述[J];光學技術;2009年02期

3 王春霞;蘇紅旗;范郭亮;;圖像超分辨率重建技術綜述[J];計算機技術與發(fā)展;2011年05期

4 張銀林;;視頻圖像超分辨率增強技術[J];硅谷;2011年16期

5 余徽;陳華旺;;圖像超分辨率技術研究進展[J];光學與光電技術;2012年05期

6 葉兆豐;;圖像超分辨率重建技術及研究[J];電子世界;2013年09期

7 強振平;何麗波;狄光智;陳旭;;一種基于稀疏表征的圖像超分辨率重建方法[J];云南大學學報(自然科學版);2013年S2期

8 黃華;樊鑫;齊春;朱世華;;基于粒子濾波的人臉圖像超分辨率重建方法[J];軟件學報;2006年12期

9 丁海勇;卞正富;;數(shù)字圖像超分辨率重構技術研究[J];計算機與數(shù)字工程;2007年10期

10 唐斌兵;王正明;;基于先驗約束的圖像超分辨率復原[J];紅外與毫米波學報;2008年05期

相關會議論文 前5條

1 張煜東;吳樂南;奚吉;王水花;;變長小生境算法用于圖像超分辨率復原[A];2009年通信理論與信號處理學術年會論文集[C];2009年

2 張東;韓軍;;圖像超分辨率重建算法研究[A];2010年西部光子學學術會議摘要集[C];2010年

3 閆允一;郭寶龍;;基于小波的圖像超分辨率重建算法研究[A];第三屆全國數(shù)字成像技術及相關材料發(fā)展與應用學術研討會論文摘要集[C];2004年

4 顧瑩;朱秀昌;;基于CS的圖像超分辨率重建[A];2010年通信理論與信號處理學術年會論文集[C];2010年

5 張瓊;付懷正;沈民奮;;基于稀疏表示的彩色圖像超分辨率重建算法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

相關博士學位論文 前10條

1 曹明明;基于鄰域嵌入的圖像超分辨率重建研究[D];南京郵電大學;2015年

2 李小燕;基于廣義圖像先驗的圖像超分辨率重建算法研究[D];西南交通大學;2015年

3 康凱;圖像超分辨率重建研究[D];中國科學技術大學;2016年

4 徐海明;圖像超分辨率重建關鍵技術的基礎研究[D];中國科學技術大學;2013年

5 李娟;基于稀疏表示的圖像超分辨率復原研究[D];武漢科技大學;2016年

6 鄧良劍;圖像處理若干問題的數(shù)學模型和高性能算法研究[D];電子科技大學;2016年

7 王新蕾;基于鄰域學習和稀疏原子聚類字典的圖像超分辨率重構算法研究[D];東南大學;2016年

8 賈媛媛;基于稀疏表示的3D磁共振圖像超分辨率重建算法研究[D];重慶大學;2016年

9 徐國明;基于稀疏表示的圖像超分辨率重建方法研究[D];合肥工業(yè)大學;2015年

10 梁虎;基于紋理細節(jié)估計的多幀圖像超分辨率重建算法研究[D];華中科技大學;2016年

相關碩士學位論文 前10條

1 雷倩;基于深度學習的圖像超分辨率重構[D];河北師范大學;2015年

2 馬瑩;基于字典學習的圖像超分辨率復原算法研究[D];燕山大學;2015年

3 張志超;單幅圖像超分辨率重建算法研究[D];鄭州大學;2015年

4 王賀青;基于稀疏表示和非下采樣輪廓波變換的單幅圖像超分辨率[D];哈爾濱工業(yè)大學;2015年

5 曹柱利;基于學習的毫米波圖像超分辨率算法研究[D];電子科技大學;2014年

6 吳秀秀;基于配準的肺4D-CT圖像超分辨率重建研究[D];南方醫(yī)科大學;2015年

7 熊智;車牌圖像超分辨率重建算法研究[D];南昌航空大學;2015年

8 趙新;圖像超分辨率重建系統(tǒng)的研究與實現(xiàn)[D];河北工業(yè)大學;2015年

9 王保全;基于混合專家模型的快速圖像超分辨率方法研究與實現(xiàn)[D];哈爾濱工業(yè)大學;2015年

10 徐光耀;基于稀疏表示的人臉圖像超分辨率技術研究[D];上海交通大學;2015年

，

本文編號：2415208