期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到81篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
图像超分辨率重建技术与方法综述 被引量：33
1
作者 沈焕锋 李平湘 +1 位作者 张良培 王毅 《光学技术》 CAS CSCD 北大核心 2009年第2期194-199,203,共7页
图像超分辨率重建可以利用多幅具有互补信息的低分辨率图像重构一幅高分辨率的图像,该技术已经成为图像处理领域的研究热点。介绍了图像超分辨率重建的基本原理,阐述了超分辨率重建技术与其它相关图像处理技术的关系;系统地总结了图像... 图像超分辨率重建可以利用多幅具有互补信息的低分辨率图像重构一幅高分辨率的图像,该技术已经成为图像处理领域的研究热点。介绍了图像超分辨率重建的基本原理,阐述了超分辨率重建技术与其它相关图像处理技术的关系;系统地总结了图像超分辨率重建中常用的运动估计方法、运算方式和质量评价方法。 展开更多
关键词 图像超分辨率重建 原理 关系 运动估计 运算方式 质量评价
原文传递
基于多尺度特征融合反投影网络的图像超分辨率重建 被引量：23
2
作者 孙超文 陈晓 《自动化学报》 EI CAS CSCD 北大核心 2021年第7期1689-1700,共12页
针对现有图像超分辨率重建方法恢复图像高频细节能力较弱、特征利用率不足的问题,提出了一种多尺度特征融合反投影网络用于图像超分辨率重建.该网络首先在浅层特征提取层使用多尺度的卷积核提取不同维度的特征信息,增强跨通道信息融合能... 针对现有图像超分辨率重建方法恢复图像高频细节能力较弱、特征利用率不足的问题,提出了一种多尺度特征融合反投影网络用于图像超分辨率重建.该网络首先在浅层特征提取层使用多尺度的卷积核提取不同维度的特征信息,增强跨通道信息融合能力;然后,构建多尺度反投影模块通过递归学习执行特征映射,提升网络的早期重建能力;最后,将局部残差反馈结合全局残差学习促进特征的传播和利用,从而融合不同深度的特征信息进行图像重建.对图像进行×2~×8超分辨率的实验结果表明,本方法的重建图像质量在主观感受和客观评价指标上均优于现有图像超分辨率重建方法,超分辨率倍数大时重建性能相比更优秀. 展开更多
关键词 图像超分辨率重建 多尺度卷积 特征融合 反投影
下载PDF
基于深度学习的单图像超分辨率重建研究综述 被引量：23
3
作者 南方哲 钱育蓉 +1 位作者 行艳妮 赵京霞 《计算机应用研究》 CSCD 北大核心 2020年第2期321-326,共6页
为深入了解基于深度学习的单图像超分辨率重建(SISR)的发展,把握当前研究的热点和方向,针对现有基于深度学习的单图像超分辨率重建模型进行了梳理。介绍了相关深度学习算法和基于深度学习的模型以及评价指标,并通过实验对比分析现有模... 为深入了解基于深度学习的单图像超分辨率重建(SISR)的发展,把握当前研究的热点和方向,针对现有基于深度学习的单图像超分辨率重建模型进行了梳理。介绍了相关深度学习算法和基于深度学习的模型以及评价指标,并通过实验对比分析现有模型的性能,其目的在于从本质上了解基于深度学习的单图像超分辨率重建模型的优势;对单图像超分辨率重建的关键问题进行了总结,并对未来的发展趋势进行了展望。 展开更多
关键词 单图像超分辨率重建 深度学习 密集卷积网络 生成式对抗网络
下载PDF
多尺度残差网络的单幅图像超分辨率重建 被引量：17
4
作者 李现国 冯欣欣 李建雄 《计算机工程与应用》 CSCD 北大核心 2021年第7期215-221,共7页
针对目前提高图像分辨率的卷积神经网络存在的特征提取尺度单一以及梯度消失等问题,提出了多尺度残差网络的单幅图像超分辨率重建方法。采用多尺度特征提取和特征信息融合,解决了对图像细节特征提取不够充分的问题;将局部残差学习和全... 针对目前提高图像分辨率的卷积神经网络存在的特征提取尺度单一以及梯度消失等问题,提出了多尺度残差网络的单幅图像超分辨率重建方法。采用多尺度特征提取和特征信息融合,解决了对图像细节特征提取不够充分的问题;将局部残差学习和全局残差学习相结合,提高了卷积神经网络信息流传播的效率,减轻了梯度消失现象。在Set5、Set14和BSD100等常用测试集上进行了实验,该方法的实验结果均优于其他5种方法,相比于SRCNN方法,平均PSNR提升了0.74 dB,平均SSIM提升了0.0143 dB;相比于VDSR方法,平均PSNR提升了0.12 dB,平均SSIM提升了0.0025 dB。 展开更多
关键词 图像超分辨率重建 卷积神经网络 残差学习 多尺度特征
下载PDF
基于混合深度卷积网络的图像超分辨率重建 被引量：9
5
作者 胡雪影 郭海儒 朱蓉 《计算机应用》 CSCD 北大核心 2020年第7期2069-2076,共8页
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... 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。 展开更多
关键词 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
下载PDF
基于改进生成对抗网络的图像数据增强方法 被引量：4
6
作者 詹燕 胡蝶 +3 位作者 汤洪涛 鲁建厦 谭健 刘长睿 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第10期1998-2010,共13页
为了提高机器学习模型的精确度,提出基于数据分布拟合、生成式对抗神经网络和图像超分辨率重建的图像数据增强方法.该方法将最大似然估计和采样算法生成的符合原始数据分布的二维噪声用于对抗训练,克服了在生成模型中传统图像噪声输入... 为了提高机器学习模型的精确度,提出基于数据分布拟合、生成式对抗神经网络和图像超分辨率重建的图像数据增强方法.该方法将最大似然估计和采样算法生成的符合原始数据分布的二维噪声用于对抗训练,克服了在生成模型中传统图像噪声输入随意的问题;采用逐层训练方式生成高分辨率图像,改进高分辨率图像映射困难、参数冗余的缺点.以轴承滚子表面灰度图像数据增强为例,验证所提方法的有效性.研究结果表明,所提方法生成的图像质量更优,相比传统方法生成的图像峰值信噪比提高13.07%,结构相似性提高32.40%,弗雷歇初始距离降低37.58%,且数据增强后的模型平均精确度提升7.89%. 展开更多
关键词 图像数据增强 分布拟合 采样算法 生成式对抗网络 图像超分辨率重建
下载PDF
基于中间层监督卷积神经网络的图像超分辨率重建 被引量：8
7
作者 李现国 孙叶美 +1 位作者 杨彦利 苗长云 《中国图象图形学报》 CSCD 北大核心 2018年第7期984-993,共10页
目的基于学习的图像超分辨率重建方法已成为近年来图像超分辨率重建研究的热点。针对基于卷积神经网络的图像超分辨率重建(SRCNN)方法网络层少、感受野小、泛化能力差等缺陷,提出了基于中间层监督卷积神经网络的图像超分辨率重建方法,... 目的基于学习的图像超分辨率重建方法已成为近年来图像超分辨率重建研究的热点。针对基于卷积神经网络的图像超分辨率重建(SRCNN)方法网络层少、感受野小、泛化能力差等缺陷,提出了基于中间层监督卷积神经网络的图像超分辨率重建方法,以进一步提高图像重建的质量。方法设计了具有中间层监督的卷积神经网络结构,该网络共有16层卷积层,其中第7层为中间监督层;定义了监督层误差函数和重建误差函数,用于改善深层卷积神经网络梯度消失现象。训练网络时包括图像预处理、特征提取和图像重建3个步骤,采用不同尺度因子(2、3、4)模糊的低分辨率图像交叉训练网络,以适应对不同模糊程度的图像重建;使用卷积操作提取图像特征时将参数pad设置为1,提高了对图像和特征图的边缘信息利用;利用残差学习完成高分辨率图像重建。结果在Set5和Set14数据集上进行了实验,并和双三次插值、A+、Self Ex和SRCNN等方法的结果进行比较。在主观视觉评价方面,本文方法重建图像的清晰度和边缘锐度更好。客观评价方面,本文方法的峰值信噪比(PSNR)平均分别提高了2.26 dB、0.28 dB、0.28 dB和0.15 dB,使用训练好的网络模型重建图像耗用的时间不及SRCNN方法的一半。结论实验结果表明,本文方法获得了更好的主观视觉评价和客观量化评价,提升了图像超分辨率重建质量,泛化能力好,而且图像重建过程耗时更短,可用于自然场景图像的超分辨率重建。 展开更多
关键词 图像超分辨率重建 深度学习 中间层监督 卷积神经网络 梯度消失 残差学习
原文传递
使用VGG能量损失的单图像超分辨率重建 被引量：8
8
作者 丁玲 丁世飞 +1 位作者 张健 张子晨 《软件学报》 EI CSCD 北大核心 2021年第11期3659-3668,共10页
单幅图像的超分辨率重建(single image super-resolution,简称SR)是一项重要的图像合成任务.目前,在基于神经网络的SR任务中,常用的损失函数包括基于内容的重构损失和基于生成对抗网络(generative adversarial network,简称GAN)的对抗损... 单幅图像的超分辨率重建(single image super-resolution,简称SR)是一项重要的图像合成任务.目前,在基于神经网络的SR任务中,常用的损失函数包括基于内容的重构损失和基于生成对抗网络(generative adversarial network,简称GAN)的对抗损失.但是,基于传统的GAN的超分辨率重建模型(SRGAN)在判别器接收高分辨率图像作为输入时,输出判别信号不稳定.为了缓解这个问题,在SRGAN以及常用的VGG重构损失框架上,设计了一个稳定的基于能量的辅助对抗损失,称为VGG能量损失.该能量损失使用重构损失中的VGG编码部分,针对VGG编码设计相应的解码器,构建一个U-Net自编码结构VGG-UAE,利用VGG-UAE的重构损失表示能量,并使用该能量函数为生成器提供梯度;基于追踪能量函数的思想,VGG-UAE使生成器生成的高分辨率样本追踪真实数据的能量流.实验部分验证了使用VGG能量损失将比使用传统的GAN损失可以生成更有效的高分辨率图像. 展开更多
关键词 单图像超分辨率重建 生成对抗网络 能量函数 自动编码器
下载PDF
基于双特征融合引导的深度图像超分辨率重建网络 被引量：1
9
作者 耿浩文 王宇 辛彦玲 《激光与光电子学进展》 CSCD 北大核心 2024年第8期391-398,共8页
针对彩色图像引导的深度图像超分辨率重建算法中存在的纹理转移和深度流失的问题,提出一种基于双特征融合引导的深度图像超分辨率重建网络(DF-Net)。为了充分利用深度和强度特征的关联性,在网络模型的深度恢复重建部分采用双通道融合模... 针对彩色图像引导的深度图像超分辨率重建算法中存在的纹理转移和深度流失的问题,提出一种基于双特征融合引导的深度图像超分辨率重建网络(DF-Net)。为了充分利用深度和强度特征的关联性,在网络模型的深度恢复重建部分采用双通道融合模块(DCM)和双特征引导重建模块(DGM)。利用输入金字塔结构提取深度信息和强度信息的多尺度特征:DCM基于通道注意力机制对深度特征和强度特征进行通道间的特征融合与增强;DGM将深度、强度特征自适应选择融合后实现重建的双特征引导,增加了深度特征的引导作用,改善了纹理转移和深度流失的问题。实验结果表明,所提方法的峰值信噪比(PSNR)和均方根误差(RMSE)优于RMRF、JBU和Depth-Net等方法,尤其4×超分辨率重建结果的PSNR值比其他方法平均提升6.79 dB,RMSE平均下降0.94,取得了较好的深度图像超分辨率重建效果。 展开更多
关键词 图像处理 图像超分辨率重建 卷积神经网络 深度图像 特征融合 通道注意力
原文传递
高效全局注意网络的图像超分辨率重建 被引量：1
10
作者 王庆庆 辛月兰 +2 位作者 赵佳 郭江 王浩臣 《激光与光电子学进展》 CSCD 北大核心 2024年第10期369-379,共11页
针对现有高效超分辨率重建算法大多集中于减少参数量,缺乏对层次特征的关注,存在图像高维特征不能得到充分利用的问题,提出一种高效全局注意网络。该网络的主要思想是设计交叉自适应特征块对图像进行不同层次的深度特征提取,以改善图像... 针对现有高效超分辨率重建算法大多集中于减少参数量,缺乏对层次特征的关注,存在图像高维特征不能得到充分利用的问题,提出一种高效全局注意网络。该网络的主要思想是设计交叉自适应特征块对图像进行不同层次的深度特征提取,以改善图像高频细节信息缺失的问题。另外,构造了近邻像素重构块,将空间关联性和像素分析相结合,进一步促进边缘细节信息的重建。此外,还提出一种多阶段动态余弦热重启训练策略,通过动态调整学习率以避免模型过拟合,提高训练过程的稳定性并优化网络性能。大量实验结果表明,所提方法在Set5等5个基准数据集上相比于其他先进网络,峰值信噪比(PSNR)和结构相似性(SSIM)性能指标平均提高了0.51 dB和0.0078,参数量和浮点运算量(FLOPs)平均降低了332×10^(3)和70×10^(9)。综上,所提方法在拥有较低复杂度的同时,获得了更好的性能指标和视觉效果,实现了网络高效化。 展开更多
关键词 图像超分辨率重建 高效全局注意 层次特征 像素重构 训练策略
原文传递
生成对抗网络GAN的研究进展 被引量：7
11
作者 张恩琪 顾广华 +1 位作者 赵晨 赵志明 《计算机应用研究》 CSCD 北大核心 2021年第4期968-974,共7页
基于零和博弈思想的生成式对抗网络(generative adversarial network,GAN)模型的意义在于可通过无监督学习获得数据的分布,并能生成较逼真的数据。它可以应用在很多领域,尤其是在计算机视觉领域中的图像生成方面取得了很大成果,成为当... 基于零和博弈思想的生成式对抗网络(generative adversarial network,GAN)模型的意义在于可通过无监督学习获得数据的分布,并能生成较逼真的数据。它可以应用在很多领域,尤其是在计算机视觉领域中的图像生成方面取得了很大成果,成为当下的一个研究热点。以GAN模型及其在特定领域的应用结果为研究对象,对GAN的改进和扩展的研究成果进行了广泛的研究,并从图像超分辨率重建、文本合成图片等多个实际应用领域展开讨论,系统地梳理、总结出GAN的优势与不足,同时结合自然语言处理、强化学习对GAN的发展趋势及应用前景进行预测分析。 展开更多
关键词 零和博弈思想 生成式对抗网络 无监督学习 图像超分辨率重建 文本合成图片
下载PDF
基于潜在辅助特征的图像超分辨率重建算法研究
12
作者 刘晨鸣 张能欢 +2 位作者 刚睿鹏 马赛 王永滨 《网络新媒体技术》 2024年第2期10-18,共9页
图像超分辨率重建作为图像质量增强研究领域的基本任务之一,具有很高的研究和应用价值。生成对抗网络可以有效提高超分辨率重建图像的纹理细节信息,在该领域得到了广泛应用。然而,仅仅依靠从输入的低分辨率图像中学习的特征信息,难以重... 图像超分辨率重建作为图像质量增强研究领域的基本任务之一,具有很高的研究和应用价值。生成对抗网络可以有效提高超分辨率重建图像的纹理细节信息,在该领域得到了广泛应用。然而,仅仅依靠从输入的低分辨率图像中学习的特征信息,难以重建出高质量的超分辨率图像。针对该问题,本文提出一种基于潜在辅助特征的图像超分辨率重建算法,引入一个可训练的潜在特征来扩大生成器的特征空间,为重建图像提供辅助的特征信息,提高重建效果。同时还利用输入图像特征来对潜在辅助特征的生成进行约束指导,避免特征空间差异性大,导致重建图像保真度低。本文所提方法在7个公开数据集上与7种方法进行了对比实验。实验结果表明,本文方法所重建的超分图像纹理细节信息更丰富,视觉效果更好。 展开更多
关键词 图像超分辨率重建 图像质量增强 生成对抗网络 潜在辅助特征 深度学习
下载PDF
局部特征增强的转置自注意力图像超分辨率重建
13
作者 孙阳 丁建伟 +1 位作者 张琪 邓琪瑶 《中国图象图形学报》 CSCD 北大核心 2024年第4期908-921,共14页
目的 超分辨率(super resolution,SR)重建任务通过划分窗口引入自注意力机制进行特征提取,获得了令人瞩目的成绩。针对划分窗口应用自注意力机制时会限制图像信息聚合范围、制约模型对特征信息进行建模的问题,本文基于转置自注意力机制... 目的 超分辨率(super resolution,SR)重建任务通过划分窗口引入自注意力机制进行特征提取,获得了令人瞩目的成绩。针对划分窗口应用自注意力机制时会限制图像信息聚合范围、制约模型对特征信息进行建模的问题,本文基于转置自注意力机制构建全局和局部信息建模网络捕捉图像像素依赖关系。方法 首先采用轻量的基线模型对特征进行简单关系建模,然后将空间维度上的自注意力机制转换到通道维度,通过计算交叉协方差矩阵构建各像素点之间的长距离依赖关系,接着通过引入通道注意力块补充图像重建所需的局部信息,最后构建双门控机制控制信息在模型中的流动,提高模型对特征的建模能力及其鲁棒性。结果 实验在5个基准数据集Set5、Set14、BSD100、Urban100、Manga109上与主流方法进行了比较,在不同比例因子的SR任务中均获得了最佳或者次佳的结果。与SwinIR(image restoration using swin Transformer)在×2倍SR任务中相比,在以上5个数据集上的峰值信噪比分别提升了0.03 dB、0.21 dB、0.05 dB、0.29 dB和0.10 dB,结构相似度也获得了极大提升,同时视觉感知优化十分明显。结论 所提出的网络模型能够更充分地对特征信息全局关系进行建模,同时也不会丢失图像特有的局部相关性。重建图像质量明显提高,细节更加丰富,充分说明了本文方法的有效性与先进性。 展开更多
关键词 图像超分辨率重建 自注意力机制 深度学习 图像复原 门控网络
原文传递
基于神经网络的SAR图像超分辨率重建技术研究
14
作者 韦雨岑 叶子毅 庾露 《广西水利水电》 2024年第2期1-7,14,共8页
合成孔径雷达(SAR)图像在地形测绘、农作物监测等领域有重要作用。为改善SAR图像分辨率,本研究利用基于生成对抗网络(SRGAN)支持下的SAR图像超分辨率重建方式,改进模型加载数据结构,使用同一区域的哨兵一号(Sentinel-1A)雷达卫星SAR影... 合成孔径雷达(SAR)图像在地形测绘、农作物监测等领域有重要作用。为改善SAR图像分辨率,本研究利用基于生成对抗网络(SRGAN)支持下的SAR图像超分辨率重建方式,改进模型加载数据结构,使用同一区域的哨兵一号(Sentinel-1A)雷达卫星SAR影像和高分三号卫星SAR影像形成训练模型的数据集,将哨兵一号雷达卫星SAR图像的地物细节提高到接近高分三号卫星SAR图像数据的级别。实验表明,该方法能提升极化方式为VV的哨兵一号雷达卫星SAR图像的地物细节。 展开更多
关键词 生成对抗网络 SAR图像 图像超分辨率重建
下载PDF
级联残差优化Transformer网络的图像超分辨率重建
15
作者 林坚普 吴镇城 +3 位作者 王崑赋 林志贤 郭太良 林珊玲 《光学精密工程》 EI CAS CSCD 北大核心 2024年第12期1902-1914,共13页
为了扩展图像超分辨率算法中卷积神经网络在多个尺度特征上的自适应学习能力,提升网络性能,本文提出一种基于级联残差方法的Transformer网络优化结构进行图像超分辨率重建。首先,该网络采用级联残差结构,增强了网络对低阶和中阶特征的... 为了扩展图像超分辨率算法中卷积神经网络在多个尺度特征上的自适应学习能力,提升网络性能,本文提出一种基于级联残差方法的Transformer网络优化结构进行图像超分辨率重建。首先,该网络采用级联残差结构,增强了网络对低阶和中阶特征的迭代复用和信息共享能力;其次,将通道注意力机制引入Transformer结构中,增强网络的特征表达和自适应学习通道权重的能力;最后,优化Transformer网络结构中的感知模块为级联感知模块,扩展网络深度,增强模型的特征表达能力。在数据集Set5,Set14,BSD100,Urban100和Manga109上进行放大2倍、3倍和4倍的重建测试并与主流方法进行对比,客观评价结果表明,在4倍放大因子的Set5数据集下,本文方法所得图像的峰值信噪比对比其他主流方法平均值提升1.14 dB,结构相似度平均值提升0.019。结合主观评价结果表明,本文方法相比其他主流方法的图像重建效果更好,恢复得到的图像纹理细节更清晰。 展开更多
关键词 卷积神经网络 图像超分辨率重建 残差网络 TRANSFORMER 注意力机制
下载PDF
基于轻量级对称CNN-Transformer的图像超分辨率重建方法
16
作者 王庭伟 赵建伟 周正华 《模式识别与人工智能》 EI CSCD 北大核心 2024年第7期626-637,共12页
针对现有基于Transformer的图像超分辨率重建方法存在参数量过大和训练成本过高等问题,提出基于轻量级对称CNN-Transformer的图像超分辨率重建方法.首先,利用权值共享设计对称CNN-Transformer模块,经由通道注意模块充分融合上、下分支... 针对现有基于Transformer的图像超分辨率重建方法存在参数量过大和训练成本过高等问题,提出基于轻量级对称CNN-Transformer的图像超分辨率重建方法.首先,利用权值共享设计对称CNN-Transformer模块,经由通道注意模块充分融合上、下分支提取的信息,提高对局部特征和全局特征的捕获和利用.同时,通过深度可分离卷积并计算自注意跨通道的协方差矩阵,有效减少Transformer的参数量,降低计算成本和显存消耗.然后,引入HFERB(High-Frequency Enhancement Residual Block),进一步关注高频区间的纹理和细节信息.最后,探讨Transformer生成自注意时所需激活函数的选择,分析可知GELU激活函数能较好地促进特征聚合,提升网络性能.实验表明文中方法在保持轻量化的同时,能有效重建图像更多的纹理与细节. 展开更多
关键词 图像超分辨率重建 深度学习 TRANSFORMER 对称网络
下载PDF
基于多频特征和纹理增强的轻量化图像超分辨率重建
17
作者 刘媛媛 张雨欣 +1 位作者 王晓燕 朱路 《计算机应用研究》 CSCD 北大核心 2024年第8期2515-2520,共6页
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... 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%。 展开更多
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
下载PDF
基于改进Transformer的结构化图像超分辨网络 被引量：2
18
作者 吕鑫栋 李娇 +3 位作者 邓真楠 冯浩 崔欣桐 邓红霞 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第5期865-874,910,共11页
针对现有的结构化图像超分辨重建算法大多只能解决特定单一种类的结构化图像超分辨问题,提出一种基于改进Transformer的结构化图像超分辨率网络(TransSRNet).该网络利用Transformer的自注意力机制在空间序列中挖掘大范围的全局信息.采... 针对现有的结构化图像超分辨重建算法大多只能解决特定单一种类的结构化图像超分辨问题,提出一种基于改进Transformer的结构化图像超分辨率网络(TransSRNet).该网络利用Transformer的自注意力机制在空间序列中挖掘大范围的全局信息.采用沙漏块结构搭建空间注意力单元,关注低分辨率空间和高分辨率空间在局部区域的映射关系,提取图像映射过程中的结构化信息,使用高效通道注意力模块对自注意力模块和空间注意力模块做特征融合.在高度结构化CelebA、Helen、TCGA-ESCA和TCGA-COAD数据集上的模型评估结果表明,相较于主流超分辨算法,TransSRNet整体性能表现更好.在放大因子为8时,人脸数据集和医学峰值信噪比(PRNR)可以分别达到28.726、26.392 dB,结构相似性(SSIM)可以分别达到0.844、0.881. 展开更多
关键词 卷积神经网络 TRANSFORMER 自注意力 空间注意力 图像超分辨率重建
下载PDF
基于特征聚合和传播网络的图像超分辨率重建
19
作者 薄阳瑜 刘晓晶 +1 位作者 武永亮 王学军 《模式识别与人工智能》 EI CSCD 北大核心 2024年第4期299-312,共14页
基于深度学习的图像超分辨率重建通过网络加深提升图像重建性能,但复杂网络会导致参数量急剧增加,限制其在资源受限设备上的应用.针对此问题,文中提出基于特征聚合和传播网络的图像超分辨率重建方法,采用逐步提取融合特征的方式获取图... 基于深度学习的图像超分辨率重建通过网络加深提升图像重建性能,但复杂网络会导致参数量急剧增加,限制其在资源受限设备上的应用.针对此问题,文中提出基于特征聚合和传播网络的图像超分辨率重建方法,采用逐步提取融合特征的方式获取图像丰富的内部信息.首先,提出上下文交互注意力模块,使网络学习到特征图丰富的上下文信息,提高特征的利用率.然后,设计多维注意力增强模块,提高网络对关键特征的判别能力,分别在通道和空间两个维度提取高频信息.最后,提出特征聚合传播模块,有效聚合深层细节信息,去除冗余信息,并促进有效信息在网络中传播.在Set5、Set14、BSD100、Urban100等基准数据集上的测试实验表明,文中方法性能较优,重建后的图像细节纹理较清晰. 展开更多
关键词 图像超分辨率重建 卷积神经网络 上下文交互注意力 多维注意力 特征聚合
下载PDF
基于多尺度特征聚合的图像超分辨率重建
20
作者 王庆庆 辛月兰 +1 位作者 盛月 谢琪琦 《激光杂志》 CAS 北大核心 2024年第4期121-127,共7页
针对图像超分辨率重建过程中,存在提取特征信息单一、图像细节缺失的问题,提出了一种新的生成式对抗网络(DAMFA-GAN),以获得更加逼真和自然的重建图像。在生成器方面,设计融合动态注意力机制的多尺度特征聚合模块(DAMFA)以获取低分辨率... 针对图像超分辨率重建过程中,存在提取特征信息单一、图像细节缺失的问题,提出了一种新的生成式对抗网络(DAMFA-GAN),以获得更加逼真和自然的重建图像。在生成器方面,设计融合动态注意力机制的多尺度特征聚合模块(DAMFA)以获取低分辨率图像中每个上采样特征的多尺度高频信息,提高重建图像的质量;在判别器方面,设计ConvTrans Encoder模块以增强特征信息提取能力,提高判别的准确率。在Set5、Set14、BSD100和Urban100数据集上的实验结果表明,DAMFA-GAN在峰值信噪比(PSNR)和结构相似性(SSIM)上较于SRGAN分别平均提高了0.50 dB、0.015 2。同时,超分辨率重建图像的高频细节和视觉效果也得到了明显改善。 展开更多
关键词 图像超分辨率重建 多尺度特征聚合 生成对抗网络 注意力机制
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
使用帮助 返回顶部