基于FSRCNN补充模块的图像超分辨率重建算法研究

激活函数在超分辨率重建算法中可以增加算法的非线性、提高算法的复杂程度。利用ReLU激活函数在算法训练时间短的优点,针对负值通过ReLU激活函数置零导致部分神经元失活的问题,将失活的部分通过rReLU函数重新加入到模型中,该方法称为FSRCNN补充模块算法。实验过程中分别测试了FSRCNN模型在激活函数为ReLU、PReLU以及使用ReLU激活函数加入补充模块后的算法性能,结果表明:在放大倍数为4的条件下,补充模块算法的峰值信噪比结果高于原FSRCNN算法0.1dB。因此,补充模块能够提高模型的性能,增强模型对信息的提取。