-
题名基于多频特征和纹理增强的轻量化图像超分辨率重建
被引量：1
- 1
-
-
作者
刘媛媛
张雨欣
王晓燕
朱路
-
机构
华东交通大学信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2024年第8期2515-2520,共6页
-
基金
国家自然科学基金资助项目(61967007,61963016)
江西省重点研发计划重点资助项目(20201BBF61012)。
-
文摘
现有基于卷积神经网络主要关注图像重构的精度,忽略了过度参数化、特征提取不充分以及计算资源浪费等问题。针对上述问题,提出了一种轻量级多频率特征提取网络(MFEN),设计了轻量化晶格信息交互结构,利用通道分割和多模式卷积组合减少参数量;通过分离图像的低频、中频以及高频率信息后进行特征异构提取,提高网络的表达能力和特征区分性,使其更注重纹理细节特征的复原,并合理分配计算资源。此外,在网络内部融合局部二值模式(LBP)算法用于增强网络对纹理感知的敏感度,旨在进一步提高网络对细节的提取能力。经验证,该方法在复杂度和性能之间取得了良好的权衡,即实现轻量有效提取图像特征的同时重建出高分辨率图像。在Set5数据集上的2倍放大实验结果最终表明,相比较于基于卷积神经网络的图像超分辨率经典算法(SRCNN)和较新算法(MADNet),所提方法的峰值信噪比(PSNR)分别提升了1.31 dB和0.12 dB,参数量相比MADNet减少了55%。
-
关键词
图像超分辨率重建
卷积神经网络
轻量化
多频率特征提取
局部二值模式算法
-
Keywords
image super-resolution reconstruction
convolutional neural network
lightweight
multi-frequency feature extraction
local binary patterns algorithm
-
分类号
TP911.73
[自动化与计算机技术]
-
