基于边缘指导的双通道卷积神经网络单图像超分辨率算法

来源：南京信息工程大学学报·自然科学版杂志2017年第6期北京时间：

作者：李春平

单位：李春平,华北电力大学 控制与计算机工程学院, 北京, 102206,周登文,华北电力大学 控制与计算机工程学院, 北京, 102206,d.w.zhou@163.com贾慧秒,华北电力大学 控制与计算机工程学院, 北京, 102206

摘要：当前基于卷积神经网络（CNN）的超分辨率（SR）重建算法，虽然取得了很大的成功，但是重建图像高频纹理的效果仍然不能令人满意，其高分辨率（HR）图像局部边缘存在明显的震荡.本文提出一种结合形态学成分分析（MCA）分解的边缘指导双通道CNNSR算法：待处理的低分辨率（LR）图像通过MCA分解为纹理部分和平滑结构部分；纹理部分和原LR图像共同组成双通道，输入到改进的网络结构中重建HR纹理部分；结合HR纹理输出与LR平滑结构部分重建HR图像.训练过程采用最小化纹理损失与原图像损失之和最优化网络模型参数.后处理包括：执行网络输出与LR输入图像的直方图匹配使色调保持一致，提升感官效果；应用迭代的反向映射使HR重建与LR输入保持退化算子一致性提高PSNR值.实验结果显示：该方法能够很好地恢复HR图像的纹理细节，对纹理细节丰富的图像恢复效果更好.

关键词：超分辨率;卷积神经网络;形态学成分分析;双通道输入

基金资助：国家自然科学基金（61372184）；北京市自然科学基金（4162056）