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

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。