-
题名稀疏性和自相似性先验引导的深度学习图像盲超分
- 1
-
-
作者
葛孙逸
罗小伟
冯世阳
王斌
-
机构
复旦大学电磁波信息科学教育部重点实验室
复旦大学信息学院图像与智能实验室
紫光展锐(上海)科技有限公司音视频技术资源部
-
出处
《红外与毫米波学报》
北大核心
2025年第3期431-444,共14页
-
基金
国家自然科学基金(62371140)。
-
文摘
现有的基于深度学习的图像盲超分算法仅利用神经网络端到端地学习低分辨率图像到高分辨率图像的映射,让网络隐式地学习图像的先验,导致算法仍产生模糊的超分结果。针对上述问题,提出一种稀疏性和自相似性先验引导的深度学习图像盲超分算法。首先,针对不同的低分辨率图像输入,利用动态线性核估计模块,有效估计出相应模糊核;然后,利用基于快速迭代软阈值收缩算法(FISTA)的深度展开反卷积滤波模块,显式地对信号的稀疏性先验进行建模,实现对退化图像的反卷积恢复;最后,利用双通道多尺度大感受野恢复模块,借助图像自相似性先验进行超分恢复。实验结果表明,相较于现有方法,所提出算法在公开的Gaussian8数据集上达到了31.66的峰值信噪比(PSNR)与0.8725的结构相似度(SSIM),在公开的DIV2KRK数据集上实现了29.08的PSNR与0.8007的SSIM,其所恢复出的图像不仅具有最高的复原指标,还具有更佳的视觉效果。
-
关键词
图像盲超分
深度学习
稀疏性先验
自相似性先验
深度展开网络
-
Keywords
blind image super-resolution
deep learning
sparsity prior
self-similarity prior
deep unfolding network
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
