-
题名多级跳线连接的深度残差网络超分辨率重建
被引量：14
- 1
-
-
作者
赵小强
宋昭漾
-
机构
兰州理工大学电气工程与信息工程学院
甘肃省工业过程先进控制重点实验室
兰州理工大学国家级电气与控制工程实验教学中心
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2019年第10期2501-2508,共8页
-
基金
国家科学自然基金(61763029,61873116)~~
-
文摘
由于快速的卷积神经网络超分辨率重建算法(FSRCNN)卷积层数少、相邻卷积层的特征信息之间缺乏关联性,因此难以提取到图像深层信息导致图像超分辨率重建效果不佳。针对此问题,该文提出多级跳线连接的深度残差网络超分辨率重建方法。首先,该方法设计了多级跳线连接的残差块,在多级跳线连接的残差块基础上构造了多级跳线连接的深度残差网络,解决相邻卷积层的特性信息缺乏关联性的问题;然后,使用随机梯度下降法(SGD)以可调节的学习率策略对多级跳线连接的深度残差网络进行训练,得到该网络超分辨率重建模型;最后,将低分辨率图像输入到多级跳线连接的深度残差网络超分辨率重建模型中,通过多级跳线连接的残差块得到预测的残差特征值,再将残差图像和低分辨率图像组合在一起转化为高分辨率图像。该文方法与bicubic,A+,SRCNN,FSRCNN和ESPCN算法在Set5和Set14测试集上进行了对比测试,在视觉效果和评价指标数值上该方法都优于其它对比算法。
-
关键词
超分辨率重建
深度残差网络
多级跳线连接的残差块
随机梯度下降法
-
Keywords
Super-resolution reconstruction
Deep residual network
Residual network with multi-level skip connections
Stochastic Gradient Descent(SGD)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名深层跳线残差网络热红外图像超分辨重建
被引量：3
- 2
-
-
作者
邓伟
陈建飞
张胜
-
机构
南京邮电大学电子与光学工程学院、柔性电子(未来技术)学院
-
出处
《电光与控制》
CSCD
北大核心
2023年第3期27-32,共6页
-
基金
国家自然科学基金(61601237)。
-
文摘
在公共安全、军事等领域高分辨率热红外图像能够提供更多的场景细节信息,有着广泛的应用需求,但高昂的设备成本限制了高分辨率红外图像的获取。为此设计了一种多级跳线深层残差卷积神经网络(DR-CNN),通过软件超分辨的方法重构出高分辨率的红外图像。采用多级跳线双通道注意力残差块增加卷积深度以解决卷积层间缺乏关联性的问题;使用Concat模块实现局部特征信息的融合,利用反卷积层进行特征图像的上采样,使其直接从低分辨率图像学习到高分辨率图像以降低训练的复杂度,加快运行速度。所提算法与SRCNN,FSRCNN和ADSR等算法进行对比测试,使用峰值信噪比(PSNR)和结构相似度(SSIM)作为算法的评价指标。实验结果表明提出的RD-CNN算法优于其他对比算法,生成的高分辨率图像细节丰富且清晰。
-
关键词
热红外图像
超分辨重建
多级跳线
双通道
注意力残差块
Concat层
-
Keywords
thermal infrared image
super-resolution reconstruction
multi-level skip
dual-channel
attention residual block
Concat layer
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
