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 HU Xueying;GUO Hairu;ZHU Rong

作者机构：河南理工大学计算机科学与技术学院河南焦作454000 嘉兴学院数理与信息工程学院浙江嘉兴314000 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2020年第40卷第7期

页      面：2069-2076页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：浙江省重点研发计划项目(2019C03099) 浙江省自然科学基金资助项目(LY19F020017) 

主　　题：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 

摘      要：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0.0673,0.0209,0.0197,0.0026和0.0046。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。