基于残差网络的刀具图像超分辨率重建

在机床加工过程中,刀具转速高、微细刀具直径较小等因素以及工业相机在机床上安装困难,导致难以获得高分辨率刀具图像,限制了视觉方法在监测上的应用。针对普通相机获得的低分辨率图像,提出了一种基于残差网络的刀具图像超分辨率卷积神经网络。该网络将学习全局残差和学习局部残差两种方法相结合,学习高低分辨率图像对之间的映射关系,对低分辨率图像进行超分辨率重建。为了提高对刀具图像边缘的重建效果,提出一种包含图像边缘信息的损失函数。与双三次插值算法以及典型的超分辨率网络相比,所提出的网络在两项客观图像质量评价指标以及主观评价上的表现均为最佳。