典型文献
一种融合多尺度特征的改进RDN图像超分辨率重建网络
文献摘要：
针对常见单帧图像超分辨率(single image super-resolution,SISR)重建网络存在的图像特征利用不充分问题,提出了一种融合多尺度特征的改进RDN图像超分辨率重建网络(multi-scale re-sidual dense network,MSRDN).提取输入低分辨率图像的浅层特征;利用卷积层和局部残差学习结构联合构建特征提取模块,并通过不同尺度的该模块多路组合结构,充分提取图像的多尺度细节特征;构建了自顶向下与自底向上相结合的特征融合模块,充分融合与关联采集的多尺度特征,以构造具有更丰富细节信息的图像特征;将提取到的多尺度特征送入图像重建模块以获得超分辨率重建图像.实验结果表明:与SMSR等网络相比,提出的MSRDN网络在Set5、Set14及BSD100等3个超分辨率基准测试集上展现出更好的视觉效果,且获得的峰值信噪比(peak signal to noise ratio,PSNR)平均提升0.8 dB,结构相似度(structural similarity,SSIM)平均提升0.02.
文献关键词：
图像超分辨率;多尺度特征学习;特征融合;RDN网络
中图分类号：
作者姓名：
朱磊;李志蒙;朱奇伟;樊雯雪;冯达
作者机构：
西安工程大学电子信息学院,陕西西安 710048;杭州昇擎科技有限公司,浙江杭州 310052
文献出处：
引用格式：
[1]朱磊;李志蒙;朱奇伟;樊雯雪;冯达-.一种融合多尺度特征的改进RDN图像超分辨率重建网络)[J].西安工程大学学报,2022(05):61-69
A类：
MSRDN
B类：
图像超分辨率重建,重建网络,单帧图像超分辨率,single,image,super,resolution,SISR,图像特征,multi,scale,sidual,dense,network,低分辨率图像,卷积层,残差学习,学习结构,联合构建,取模,不同尺度,多路,组合结构,分提,细节特征,自顶向下,底向上,特征融合模块,充分融合,细节信息,取到,送入,图像重建,重建图像,SMSR,Set5,Set14,BSD100,基准测试集,视觉效果,峰值信噪比,peak,signal,noise,ratio,PSNR,dB,结构相似度,structural,similarity,SSIM,多尺度特征学习
AB值：
0.381416
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。
