基于深层特征差异性网络的图像超分辨率算法 |
| |
引用本文: | 程德强,袁航,钱建生,寇旗旗,江鹤.基于深层特征差异性网络的图像超分辨率算法[J].电子与信息学报,2024(3):1033-1042. |
| |
作者姓名: | 程德强 袁航 钱建生 寇旗旗 江鹤 |
| |
作者单位: | 1. 中国矿业大学信息与控制工程学院;2. 中国矿业大学计算机科学与技术学院 |
| |
基金项目: | 国家自然科学基金(52204177,52304182);;中央高校基本科研业务费专项资金(2020QN49)~~; |
| |
摘 要: | 传统深层神经网络通常以跳跃连接等方式堆叠深层特征,这种方式容易造成信息冗余。为了提高深层特征信息的利用率,该文提出一种深层特征差异性网络(DFDN),并将其应用于单幅图像超分辨率重建。首先,提出相互投影融合模块(MPFB)提取多尺度深层特征差异性信息并融合,以减少网络传输中上下文信息的损失。第二,提出了差异性特征注意力机制,在扩大网络感受野的同时进一步学习深层特征的差异。第三,以递归的形式连接各模块,增加网络的深度,实现特征复用。将DIV2K数据集作为训练数据集,用4个超分辨率基准数据集对预训练的模型进行测试,并通过与流行算法比较重建的图像获得结果。广泛的实验表明,与现有算法相比,所提算法可以学习到更丰富的纹理信息,并且在主观视觉效果和量化评价指标上都取得最好的排名,再次证明了其鲁棒性和优越性。
|
关 键 词: | 超分辨率 深层特征 特征融合 卷积神经网络 差异性 |
|
|