基于深度学习的单幅图像超分辨率重建方法研究

为了解决基于单幅图像自适应稠密连接超分辨率(ADCSR)算法中的残差单元的融合问题,本文提出了一种基于行稀疏约束l_(0,2)-范数和soft-max运算的新策略.根据ADCSR算法,本文算法分为两部分:BODY和SKIP,前者专注图像的高频特征学习,后者专注低频特征学习.BODY部分中所有自适应密集残差单元(ADRU)的输出,作为初始特征图,可用特征数目l_(0,2)-范数作为活动水平度量,然后利用基于块的平均算子计算最终活动水平图,最后利用soft-max得到融合后特征映射,改进了原ADCSR算法中卷积融合粗糙的缺点,保留了更多的结构信息和特征.此外特征数目l_(0,2)-范数作为字典原子更加精确地获取更高的权重,获得了更优的峰值信噪比PSNR、结构相似性SSIM和视觉效果,计算机实验证明了本文算法的有效性.