典型文献
基于改进SRResNet深度学习网络的低照度图像超分辨率重建方法
文献摘要：
为解决低照度条件下低分辨率图像的超分辨率重建问题,提出一种基于改进超分辨率残差网络(super-resolution re-sidual networks,SRResNet)深度学习网络的低照度图像超分辨率重建方法.通过将读取的图像下采样、亮度降低等处理生成低照度低分辨率图像,并将该图像与高分辨率图像作为数据对输入学习模型,以便改进SRResNet的训练数据对的生成方式,优化训练过程,从而构建面向单帧低照度彩色图像的基于改进SRResNet训练的超分辨率重建方法.实验结果表明:与现有流行的图像超分辨率重建方法相比,该方法的峰值信噪比(peak signal to noise ratio,PSNR)、结构相似性(structural similarity,SSIM)指标整体为最优,低照度环境下的超分辨率重建图像更为清晰明亮、细节更丰富,该方法训练出的深度学习网络的重建效果更好.
文献关键词：
低照度图像;超分辨率重建;深度学习;残差网络
中图分类号：
作者姓名：
卢冰;李灿林;冯薛龙;宋顺;王华
作者机构：
郑州轻工业大学计算机与通信工程学院,郑州450000
文献出处：
引用格式：
[1]卢冰;李灿林;冯薛龙;宋顺;王华-.基于改进SRResNet深度学习网络的低照度图像超分辨率重建方法)[J].科学技术与工程,2022(27):12045-12052
A类：
SRResNet
B类：
深度学习网络,低照度图像,图像超分辨率重建,重建方法,低分辨率图像,残差网络,super,resolution,sidual,networks,读取,下采样,亮度,高分辨率图像,训练数据,生成方式,训练过程,建面,单帧,彩色图像,峰值信噪比,peak,signal,noise,ratio,PSNR,结构相似性,structural,similarity,SSIM,低照度环境,重建图像,明亮,方法训练,练出
AB值：
0.247938
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。
