典型文献
基于轻量级网络的光纤环图像超分辨率重建
文献摘要：
为了提高光纤环绕制图像的分辨率并减轻深度学习模型带来的内存和计算开销,提出了一种能够同时提取梯度信息和图像信息的双分支网络,利用轻量级残差块快速轻量的优势来提取网络路径中的图像特征,还引入了多阶段残差特征迁移机制.在梯度信息和特征迁移的共同作用下,网络可以保留丰富的几何结构信息,使重构图像的边缘细节更加清晰.实验结果表明,该模型以较少的参数和0.018 s的运行时间实现了优越的性能,在2×、3×和4×的比例因子下,峰值信噪比分别为44.08 dB、41.35 dB和38.97 dB,结构相似性指数分别为0.9858、0.9793和0.9769,均优于其他现有方法,为后续的光纤环质量检测提供了强有力的保障.
文献关键词：
光纤环;深度学习;超分辨率;梯度信息提取;特征迁移
中图分类号：
作者姓名：
张乾闯;郭晨霞;杨瑞峰;陈晓乐
作者机构：
中北大学 仪器与电子学院,山西 太原 030051;山西省自动化检测装备与系统工程技术研究中心,山西 太原 030051
文献出处：
引用格式：
[1]张乾闯;郭晨霞;杨瑞峰;陈晓乐-.基于轻量级网络的光纤环图像超分辨率重建)[J].应用光学,2022(05):913-920
A类：
光纤环绕制,梯度信息提取
B类：
轻量级网络,图像超分辨率重建,制图,深度学习模型,计算开销,同时提取,和图像,图像信息,双分支网络,残差块,网络路径,图像特征,多阶段,特征迁移,迁移机制,几何结构,结构信息,重构图像,边缘细节,运行时间,比例因子,峰值信噪比,dB,结构相似性指数,质量检测
AB值：
0.29858
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。
