0 引言

圖像超分辨率(Super Resolution，SR)技術(shù)作為計算機視覺與圖像處理中一項至關(guān)重要的技術(shù),，一直以來都是人們關(guān)注的焦點,，其目的是從低分辨率(Low-Resolution，LR)的圖像中恢復(fù)出清晰逼真的高分辨率(High-Resolution,，HR)圖像,。圖像超分辨率技術(shù)在醫(yī)學(xué)影像、衛(wèi)星圖像以及監(jiān)控成像等各個領(lǐng)域有著廣泛的應(yīng)用,。

目前圖像超分辨率重建算法主要被分為三大類：基于插值的SR方法,、基于重建的SR方法以及基于學(xué)習的SR方法?；诓逯档膱D像超分辨率算法[1]的思想是根據(jù)一個像素點的周圍某一區(qū)域內(nèi)的像素點來估計這一像素點的值,。這類算法的優(yōu)點在于原理簡單、計算復(fù)雜度低,、重建所需時間短，但是會產(chǎn)生過度平滑的現(xiàn)象,，邊緣產(chǎn)生明顯鋸齒,。基于重建的圖像SR方法[2],，比較典型的有凸集投影法,、迭代反投影法以及最大后驗法?；谥亟ǖ姆椒ㄔ谝话闱闆r下會比基于插值的方法重建效果好,，但是基于重建的方法有時也會出現(xiàn)生成一些具有圖像邊緣不自然的情況，從而導(dǎo)致重建圖像質(zhì)量變差,?；趯W(xué)習的圖像SR方法[3]，其基本思想是學(xué)習LR空間到HR空間的映射關(guān)系,，然后利用相應(yīng)的映射關(guān)系來恢復(fù)出高清的HR圖像,。

不過近年來大多數(shù)圖像超分辨率網(wǎng)絡(luò)都是采用基于學(xué)習的方法,，然而大多數(shù)現(xiàn)有的基于卷積神經(jīng)網(wǎng)絡(luò)的模型在基于大量參數(shù)和極深結(jié)構(gòu)的情況下才保持較高性能，而且這些網(wǎng)絡(luò)也沒有充分利用圖像的低頻特征信息,。

因此,，本文通過對殘差網(wǎng)絡(luò)進行改進，提出一種新的圖像超分辨率重建算法,。該算法將低分辨率圖像作為輸入,，利用殘差網(wǎng)絡(luò)提取特征信息以獲得殘差圖像，通過多尺度塊來提取圖像的低頻信息,，再將得到的殘差圖像與低頻信息進行線性相加,，最后進行上采樣操作，從而得到最后的重建的高分辨率結(jié)果,。所提算法去除殘差網(wǎng)絡(luò)中的批歸一化層,，可以有效降低網(wǎng)絡(luò)的計算量，并且在殘差塊的尾部引入通道注意力來增強網(wǎng)絡(luò)的高頻特征提取能力,。與此同時,，該算法設(shè)計了多尺度塊MSB作為跳層來提取輸入圖像的低頻信息，從而提高了網(wǎng)絡(luò)的重建效果,。實驗結(jié)果表明,，該算法與大部分的圖像超分辨率算法相比，能更好恢復(fù)出低分辨率圖像中的紋理細節(jié)信息,，重建出更清晰的高分辨率圖像,。

本文詳細內(nèi)容請下載：http://forexkbc.com/resource/share/2000005028

作者信息：

謝余杭

(福建師范大學(xué) 光電與信息工程學(xué)院，福建 福州350007)