基于多層次特征提取的輕量級超分辨率重建算法
信息技術與網絡安全 5期
竺可沁1，2，林珊玲2，3，林志賢1，2，3，郭太良1，2
(1.福州大學 物理與信息工程學院，福建 福州350116； 2.中國福建光電信息科學與技術創新實驗室，福建 福州350116；3.福州大學 先進制造學院，福建 泉州362200)
摘要： 針對目前基于深度學習的超分辨率算法特征提取較為單一、結構復雜且參數龐大的問題，提出了一種基于多層次特征提取的輕量級超分辨率重建算法。該算法采用了多層次特征提取的方式，首先提取圖像的淺層特征；其次，使用包含多個并行卷積的深層特征提取模塊提取圖像的深層特征。設計了一種帶學習權重的多尺度特征融合重建模塊，以充分利用提取出的多層次信息重建圖像。實驗結果表明，其重建圖像的峰值信噪比和結構相似性在多數情況下領先于目前主流算法；與對比算法相比，在參數量和運算時間上均保持領先，證明了網絡的輕量化特性。
中圖分類號： TP391.7
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.05.006
引用格式： 竺可沁，林珊玲，林志賢，等. 基于多層次特征提取的輕量級超分辨率重建算法[J].信息技術與網絡安全，2022，41(5)：38-44.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.05.006
引用格式： 竺可沁，林珊玲，林志賢，等. 基于多層次特征提取的輕量級超分辨率重建算法[J].信息技術與網絡安全，2022，41(5)：38-44.
A lightweight super-resolution algorithm based on multi-level feature extraction
Zhu Keqin1，2，Lin Shanling2，3，Lin Zhixian1，2，3，Guo Tailiang1，2
(1.College of Physics and Information Engineering，Fuzhou University，Fuzhou 350116，China； 2.Fujian Science & Technology Innovation Laboratory for Optoelectronic Information of China，Fuzhou 350116，China； 3.School of Advanced Manufacturing，Fuzhou University，Quanzhou 362200，China)
Abstract： In order to solve the problem that today′s algorithms based on deep learning have simple feature extraction, complex structure and huge parameters, a lightweight super-resolution algorithm based on multi-layer feature extraction is proposed. The algorithm adopts the multi-level feature extraction method. Firstly, the low feature of the image is extracted. Secondly, the deep feature extraction module containing multiple parallel convolutions is used to extract the deep feature of the image. A multi-scale feature fusion and reconstruction module with learning weights is designed to make full use of the extracted multi-level information to reconstruct images. Experimental results show that the peak signal noise ratio and structural similarity of reconstructed images are better than the current algorithms in most cases. Compared with the comparison algorithm, the number of parameters and operation time remain ahead, which proves the lightweight feature of the network.
Key words : super-resolution reconstruction；multi-level feature extraction；multi-scale feature fusion；convolutional neural network；image enhancement
0 引言
隨著信息技術的飛速發展與應用，圖像處理技術已經成為信息時代的關鍵核心技術之一。數字圖像在醫學、監控、遙感等領域得到了廣泛的應用，人們對圖像質量的要求也越來越高。但是由于照片成像質量以及保存條件的限制，使得圖像往往會丟失很多細節且分辨率較低，不利于后續對圖像信息的進一步處理。圖像超分辨率重建(Super Resolution，SR)技術可以將一幅低分辨率(Low Resolution，LR)圖像重建為高分辨率(High Resolution，HR)圖像。由于其在成本、便利性等方面的顯著優勢，已經成為了數字圖像處理技術的主要研究內容之一[1-2]。
本文詳細內容請下載：http://m.jysgc.com/resource/share/2000004245
作者信息：
竺可沁1，2，林珊玲2，3，林志賢1，2，3，郭太良1，2
(1.福州大學 物理與信息工程學院，福建 福州350116；
2.中國福建光電信息科學與技術創新實驗室，福建 福州350116；3.福州大學 先進制造學院，福建 泉州362200)
此內容為AET網站原創，未經授權禁止轉載。