基于残差学习的图像超分辨率重构方法

来源：计算机技术与发展杂志2021年第08期北京时间：

作者：张敏;黄刚;陈啟超

摘要：图像超分辨率重构是计算机视觉领域中的一个经典问题,旨在通过算法将一幅或者多幅低分辨率图像转化为高分辨率图像。 近年来,基于深度学习的单幅图像超分辨率重构算法得到了广泛的应用。 针对多数网络存在的学习能力较弱、训练时间较长以及重建图像质量有待提升等问题,提出一种基于残差学习的图像超分辨率重构方法。 网络通过级联深度卷积网络对图像进行特征提取,引入残差学习获得深层次的纹理细节信息,并加快网络的收敛速度,避免梯度爆炸和梯度消失,通过反卷积层对特征图像进行上采样,重建出与目标图像尺寸相同的高分辨率图像。 在 Set5、Set14 等测试集中,使用峰值信噪比(PSNR)和结构相似性(SSIM)作为所提算法的评价指标,同时对比 SRCNN、FSRCNN 以及 VDSR 等方法均重建出了效果更好的图像。 实验结果表明,该方法能够有效地提高特征信息的利用率,生成具有丰富细节且清晰的高分辨率图像。

关键词：深度学习;图像超分辨率;反卷积;非线性映射;残差学习