典型文献
基于多层次特征提取的轻量级超分辨率重建算法
文献摘要：
针对目前基于深度学习的超分辨率算法特征提取较为单一、结构复杂且参数庞大的问题,提出了一种基于多层次特征提取的轻量级超分辨率重建算法.该算法采用了多层次特征提取的方式,首先提取图像的浅层特征;其次,使用包含多个并行卷积的深层特征提取模块提取图像的深层特征.设计了一种带学习权重的多尺度特征融合重建模块,以充分利用提取出的多层次信息重建图像.实验结果表明,其重建图像的峰值信噪比和结构相似性在多数情况下领先于目前主流算法;与对比算法相比,在参数量和运算时间上均保持领先,证明了网络的轻量化特性.
文献关键词：
超分辨率重建;多层次特征提取;多尺度特征融合;卷积神经网络;图像增强
中图分类号：
作者姓名：
竺可沁;林珊玲;林志贤;郭太良
作者机构：
福州大学物理与信息工程学院,福建福州350116;中国福建光电信息科学与技术创新实验室,福建福州350116;福州大学先进制造学院,福建泉州362200
文献出处：
引用格式：
[1]竺可沁;林珊玲;林志贤;郭太良-.基于多层次特征提取的轻量级超分辨率重建算法)[J].网络安全与数据治理,2022(05):38-44
A类：
B类：
多层次特征提取,轻量级,超分辨率重建,重建算法,超分辨率算法,算法特征,行卷,深层特征,取模,学习权重,多尺度特征融合,多层次信息,重建图像,峰值信噪比,结构相似性,领先于,流算法,对比算法,参数量,运算时间,图像增强
AB值：
0.243875
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
