-
题名基于门控卷积神经网络的图像超分辨重建算法
- 1
-
-
作者
王文安
梁新刚
刘侍刚
-
机构
陕西师范大学现代教学技术教育部重点实验室
陕西师范大学计算机科学学院
-
出处
《光电子.激光》
CAS
CSCD
北大核心
2022年第6期637-642,共6页
-
基金
国家自然科学基金(61672333)资助项目。
-
文摘
近年来,卷积神经网络被广泛应用于图像超分辨率领域。针对基于卷积神经网络的超分辨率算法存在图像特征提取不充分,参数量大和训练难度大等问题,本文提出了一种基于门控卷积神经网络(gated convolutional neural network, GCNN)的轻量级图像超分辨率重建算法。首先,通过卷积操作对原始低分辨率图像进行浅层特征提取。之后,通过门控残差块(gated residual block, GRB)和长短残差连接充分提取图像特征,其高效的结构也能加速网络训练过程。GRB中的门控单元(gated unit, GU)使用区域自注意力机制提取输入特征图中的每个特征点权值,紧接着将门控权值与输入特征逐元素相乘作为GU输出。最后,使用亚像素卷积和卷积模块重建出高分辨率图像。在Set14、BSD100、Urban100和Manga109数据集上进行实验,并和经典方法进行对比,本文算法有更高的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM),重建出的图像有更清晰的轮廓边缘和细节信息。
-
关键词
超分辨率
门控单元
门控残差块
轻量级
卷积神经网络
-
Keywords
super-resolution
gated unit(GU)
gated residual block(GRB)
lightweight
convolutional neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-