基于深度复合卷积神经网络的低分辨率单影像复原

本文针对超低分辨率单影像的特点,基于卷积神经网络模型构建了一种深度复合的图像修复模型,该模型采用附加的最大池化和上采样函数,为确保空间局部输入模式的稳定性,复原模型在利用低级和高级特征图构建深度复合网络的同时,采用了大尺度卷积层串联小尺度卷积层。本文利用基于迭代次数的方法提升学习速率,以提高收敛速度和样本训练的稳定性。通过使用Set5,Set14,Berkeley Segmentation Dataset和Image Net数据集生成的模拟数据集训练深度复合网络,从而对低分辨率单影像进行修复。实验结果表明,本文模型可以显著提高低分辨率影像的质量,特别是在超低分辨率单影像的复原中,在PSNR和SSIM方面优于效果较好的超分辨率卷积神经网络(SRCNN)方法。