基于卷积神经网络的超分辨率失真控制图像重构研究

作     者：舒忠 郑波儿 SHU Zhong;ZHENG Bo'er

作者机构：荆楚理工学院电子信息工程学院湖北荆门448000 荆门融媒网络科技有限公司湖北荆门448000 

出 版 物：《包装工程》 (Packaging Engineering)

年 卷 期：2024年第45卷第7期

页      面：222-233页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0822[工学-轻工技术与工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖北省荆门市科学技术研究与开发计划重点项目(2023YFZD056) 

主　　题：卷积神经网络 超分辨率 激活函数 转置卷积 深度反投影网络模型 图像重构 

摘      要：目的解决超分辨率图像重构模型中存在的功能单元之间关联性差,图像色度特征提取完整性不强、超分辨率重构失真控制和采样过程残差控制偏弱等问题。方法通过在卷积神经网络模型引入双激活函数,提高模型中各功能单元之间的兼容连接性;引用密集连接卷积神经网络构建超分辨率失真控制单元,分别实现对4个色度分量进行卷积补偿运算;将残差插值函数应用于上采样单元中,使用深度反投影网络规则实现超分辨率色度特征插值运算。结果设计的模型集联了内部多个卷积核,实现了超分辨率色度失真补偿,使用了统一的处理权值,确保了整个模型内部组成单元的有机融合。结论相关实验结果验证了本文图像重构模型具有良好可靠性、稳定性和高效性。