典型文献
基于双域非局部网络的图像超分辨率重建
文献摘要：
针对现有图像超分辨率重建算法在学习图像更深层次特征时面临难以捕捉全局化特征的问题,提出一种新的双域非局部(dual domain non-local,DDNL)深度神经网络.DDNL网络包含2个分支,即用于图像超分辨率重建的主分支和提供图像双域非局部信息的先验分支.先验分支通过非局部模块获取图像域和梯度域的非局部特征后,以多层通道注意力模块处理,使特征在空间维度和通道维度均得到增强;设计非局部残差密集连接结构,将先验分支提取的双域非局部特征融合进主分支,指导网络学习深层特征并降低网络捕捉全局化特征的难度.实验结果表明,DDNL网络能够获得更好的客观评价指标和主观视觉效果,对图像纹理细节的恢复更为清晰、准确.
文献关键词：
图像处理;超分辨率重建;卷积神经网络;非局部神经网络;通道注意力
中图分类号：
作者姓名：
王亚欣;徐龙;张选德;张鑫泽
作者机构：
陕西科技大学电子信息与人工智能学院,西安 710021;中国科学院国家天文台,北京 100101
文献出处：
引用格式：
[1]王亚欣;徐龙;张选德;张鑫泽-.基于双域非局部网络的图像超分辨率重建)[J].中国科技论文,2022(11):1289-1295
A类：
DDNL,图像双域
B类：
图像超分辨率重建,重建算法,层次特征,临难,dual,domain,local,深度神经网络,非局部信息,先验,非局部模块,图像域,梯度域,局部特征,通道注意力模块,块处理,空间维度,残差密集连接,密集连接结构,特征融合,网络学习,深层特征,客观评价指标,视觉效果,图像纹理,非局部神经网络
AB值：
0.28123
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。
