-
题名基于自适应半耦合字典学习的超分辨率图像重建
被引量：4
- 1
-
-
作者
黄陶冶
孙恬恬
周正华
赵建伟
-
机构
中国计量大学理学院应用数学系
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第5期1561-1565,共5页
-
基金
国家自然科学基金资助项目(61571410)
浙江省自然科学基金资助项目(LY18F020018,LSY19F020001)。
-
文摘
在超分辨图像重建领域,如何平衡字典学习中表示系数的稀疏性和协同性对重建效果具有重要意义。针对该问题,在半耦合字典学习的超分辨重建基础上,利用核范数构建一个新的正则项,将稀疏性和协同性作为一个整体进行考虑,并用交替方向乘子法(ADMM)求解优化模型,得到了基于自适应半耦合字典学习的超分辨率图像重建算法。实验结果表明,该方法比现有的一些基于字典学习的重建方法具有更好的重建效果,其能根据字典的变化自适应地平衡稀疏性与关联性,并通过两者之间的协调产生一个最合适的系数,因此在噪声环境下具有一定的抗干扰能力。
-
关键词
超分辨率重建
半耦合字典学习
自适应
核范
-
Keywords
super-resolution reconstruction
semi-coupled dictionary learning
adaptivity
nuclear norm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于重建注意力深度网络的超分辨率图像重建
被引量：4
- 2
-
-
作者
项军
周正华
赵建伟
-
机构
中国计量大学理学院应用数学系
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第S01期377-379,411,共4页
-
基金
浙江省自然科学基金资助项目(LY18F020018,LSY19F020001)
国家自然科学基(61571410)
-
文摘
现有基于深度学习的图像超分辨率重建方法主要依靠改变网络结构和加深网络深度来提升重建效果。针对现有基于注意力机制的深度网络未考虑重建各部分不同作用的问题,提出重建注意力机制,构建基于重建注意力神经网络(RAN)的超分辨率图像重建方法,提高网络的重建效果。该重建方法首先用不同尺寸的卷积核提取不同尺度下的特征图;其次引入通道注意力对通道进行选择;最后提出重建注意力,即对每个单元输出的特征图进行加权组合,作为最后的高分辨率图像。因此,该重建方法的尺度注意力能帮助网络提取不同尺度下的特征,通道注意力能选出同层中重要的特征信息,而重建注意力将选出重要的特征层。实验结果表明所提方法比现有一些重建方法具有更好的重建效果。
-
关键词
超分辨率重建
注意力机制
重建注意力
通道注意力
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
