典型文献
基于极深超分辨率卷积神经网络的单一图像超分辨率研究
文献摘要：
单一图像超分辨率(Sing image super-resolution,SISR)是一个具有挑战性的问题,从根本上说,低分辨率图像可以对应于一组高分辨率图像,但是其困难在于大多数不可预期.深度学习为单一图像超分辨率研究提供了有效途径,通过构造极深超分辨卷积神经网络(Very deep super-resolution conventional neural network,VDSRCNN),可以将低分辨率图像优化为高分辨率图像.本研究主要实现了两个目标:图像超分辨率(Image super-resolution,ISR)和应用极深超分辨率卷积神经网络使图像更清晰.首先,在分析ISR的基础上,对不同的训练参数进行改良,以测试VDSRCNN的性能;其次,通过在训练集中加入运动模糊图像来优化VDSRCNN的结构参数;最后,利用图像质量指数评价了传统方法和VDSRCNN方法的图像差异.结果表明,本文提出的方法可以有效改良VDSRCNN的结构,更好地从低分辨率图像生成高分辨率图像.
文献关键词：
单图像超分辨率;极深超分辨卷积神经网络;运动模糊图像;图像质量指数
中图分类号：
作者姓名：
黄璋豫
作者机构：
伯明翰大学电子电气与系统工程系,英国B152TT
文献出处：
引用格式：
[1]黄璋豫-.基于极深超分辨率卷积神经网络的单一图像超分辨率研究)[J].测试科学与仪器,2022(03):276-283
A类：
Sing,极深超分辨卷积神经网络,VDSRCNN,图像质量指数
B类：
image,super,resolution,SISR,低分辨率图像,应于,高分辨率图像,Very,deep,conventional,neural,network,图像优化,两个目标,Image,训练集,运动模糊图像,指数评价,像差,图像生成,单图像超分辨率
AB值：
0.160148
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。
