【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(shè)計(jì)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(yīng);使用更大的樣本庫(kù)進(jìn)行訓(xùn)練,避免發(fā)生過(guò)擬合.實(shí)驗(yàn)結(jié)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(xùn)練庫(kù)上優(yōu)勢(shì)不明顯;但在Image Net這類大訓(xùn)練庫(kù)上,該算法重建的高分辨率圖像在主觀視覺(jué)感受和客觀圖像質(zhì)量評(píng)價(jià)(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(xué)信息與通信工程學(xué)院;
【基金】：教育部博士點(diǎn)基金(20130005110017)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)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(shù);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(shù)與方法綜述[J];光學(xué)技術(shù);2009年02期

3 王春霞;蘇紅旗;范郭亮;;圖像超分辨率重建技術(shù)綜述[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年05期

4 張銀林;;視頻圖像超分辨率增強(qiáng)技術(shù)[J];硅谷;2011年16期

5 余徽;陳華旺;;圖像超分辨率技術(shù)研究進(jìn)展[J];光學(xué)與光電技術(shù);2012年05期

6 葉兆豐;;圖像超分辨率重建技術(shù)及研究[J];電子世界;2013年09期

7 強(qiáng)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(xué)學(xué)報(bào)(自然科學(xué)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(xué)報(bào);2006年12期

9 丁海勇;卞正富;;數(shù)字圖像超分辨率重構(gòu)技術(shù)研究[J];計(jì)算機(jī)與數(shù)字工程;2007年10期

10 唐斌兵;王正明;;基于先驗(yàn)約束的圖像超分辨率復(fù)原[J];紅外與毫米波學(xué)報(bào);2008年05期

相關(guān)會(huì)議論文 前5條

1 張煜東;吳樂(lè)南;奚吉;王水花;;變長(zhǎng)小生境算法用于圖像超分辨率復(fù)原[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)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(xué)學(xué)術(shù)會(huì)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(guó)數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會(huì)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(hào)處理學(xué)術(shù)年會(huì)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(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)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(xué);2015年

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

3 康凱;圖像超分辨率重建研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

4 徐海明;圖像超分辨率重建關(guān)鍵技術(shù)的基礎(chǔ)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

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

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

7 王新蕾;基于鄰域?qū)W習(xí)和稀疏原子聚類字典的圖像超分辨率重構(gòu)算法研究[D];東南大學(xué);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(xué);2016年

9 徐國(guó)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(xué);2015年

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

相關(guān)碩士學(xué)位論文 前10條

1 雷倩;基于深度學(xué)習(xí)的圖像超分辨率重構(gòu)[D];河北師范大學(xué);2015年

2 馬瑩;基于字典學(xué)習(xí)的圖像超分辨率復(fù)原算法研究[D];燕山大學(xué);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(xué);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(xué);2015年

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

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

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

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

，

本文編號(hào)：2415208