基于深度反卷积神经网络的图像超分辨率算法

来源：软件学报杂志2018年第4期北京时间：

作者：彭亚丽,张鲁,张钰,刘侍刚,郭敏

单位：彭亚丽，现代教学技术教育部重点实验室(陕西师范大学), 陕西 西安 710062;陕西省教学信息技术工程实验室(陕西师范大学), 陕西 西安 710119;陕西师范大学 计算机科学学院, 陕西 西安 71011911,张鲁，现代教学技术教育部重点实验室(陕西师范大学), 陕西 西安 710062;陕西省教学信息技术工程实验室(陕西师范大学), 陕西 西安 71011902,张钰，现代教学技术教育部重点实验室(陕西师范大学), 陕西 西安 710062;陕西省教学信息技术工程实验室(陕西师范大学), 陕西 西安 71011903,刘侍刚，现代教学技术教育部重点实验室(陕西师范大学), 陕西 西安 710062;陕西省教学信息技术工程实验室(陕西师范大学), 陕西 西安 71011904,郭敏，陕西省教学信息技术工程实验室(陕西师范大学), 陕西 西安 710119;陕西师范大学 计算机科学学院, 陕西 西安 71011905

摘要：图像超分辨率一直是底层视觉领域的研究热点，现有基于卷积神经网络的方法直接利用传统网络模型，未对图像超分辨率属于回归问题这一本质进行优化，其网络学习能力较弱，训练时间较长，重建图像的质量仍有提升空间.针对这些问题，提出了基于深度反卷积神经网络的图像超分辨率算法，该算法利用反卷积层对低分辨率图像进行上采样处理，再经深度映射消除由反卷积层造成的噪声和伪影现象，使用残差学习降低网络复杂度，同时避免了因网络过深导致的网络退化问题.在Set 5、Set 14等测试集中，所提算法的PSNR、SSIM、IFC这3项评价指标都优于FSRCNN，重建图像的视觉效果同样验证了该算法出色的性能.

关键词：卷积神经网络;图像超分辨率;深度映射;上采样

基金资助：国家自然科学基金（61672333，61741208，61402274，61772325）；陕西省工业科技攻关项目（2016GY-081）；教育部高等教育司产学合作协同育人项目（201701023062）；陕西省自然科学基金（2017JQ6074）；陕西省农业攻关项目（2016NY-176）；陕西省重点科技创新团队计划（2014KTC-18）；教育部科技发展中心"云数融合科教创新"基金（2017A07053）；陕西师范大学学习科学交叉学科培育计划；中央高校基本科研业务费专项资