Current Location:home > Browse

1. chinaXiv:202009.00063 [pdf]

基于深度残差反投影注意力网络的图像超分辨率

胡高鹏; 陈子鎏; 王晓明; 张开放; 黄增喜; 杜亚军
Subjects: Computer Science >> Integration Theory of Computer Science

针对多数单帧图像超分辨率(single image super-resolution,SISR)重建方法存在的特征信息发掘不充分、特征图各通道之间的相互依赖关系难以确定以及重建高分辨率(high resolution,HR)图像时存在重构误差等问题,提出了基于深度残差反投影注意力网络的图像超分辨率(SR)算法。即利用残差学习的思想缓解训练难度和充分发掘图像的特征信息,并使用反投影学习机制学习高低分辨图像之间的相互依赖关系,此外引入了注意力机制动态分配各特征图以不同的注意力资源从而发掘更多的高频信息和学习特征图各通道之间的依赖关系。实验结果表明了所提方法相比于多数单帧图像超分辨率方法,不仅在客观指标方面得到了显著的提升,而且重建的预测图像也具有更加丰富的纹理信息。

submitted time 2020-09-28 From cooperative journals:《计算机应用研究》 Hits5592Downloads731 Comment 0

2. chinaXiv:202009.00070 [pdf]

面向安防监控场景的低分辨率人脸识别算法研究

卢峰; 周琳; 蔡小辉
Subjects: Computer Science >> Integration Theory of Computer Science

针对安防监控场景中获取的人脸图像质量不佳、细节信息丢失导致的人脸识别准确率低下的问题,提出一种基于超分辨率重建的低分辨率人脸识别算法。该算法包括超分辨率重建和人脸识别两个子网络,分别实现低分辨率人脸图像的超分辨率重建和人脸特征的提取。算法首先通过增加超分辨率重建子网络激活函数前的特征图数量实现广泛激活,保证信息流的有效传递,重建出包含更多细节信息的高分辨率人脸图像;然后在训练时结合图像内容损失和身份损失,在重建图像的同时保留更多身份信息,使得提取到的人脸特征具有更强的辨别性。实验结果表明,算法提升了低分辨率人脸识别的准确率,在监控人脸数据集QMUL-SurFace上的性能优于传统算法。

submitted time 2020-09-28 From cooperative journals:《计算机应用研究》 Hits1033Downloads213 Comment 0

3. chinaXiv:201904.00019 [pdf]

基于自适应半耦合字典学习的超分辨率图像重建

黄陶冶; 孙恬恬; 周正华; 赵建伟
Subjects: Computer Science >> Integration Theory of Computer Science

在超分辨图像重建领域,如何平衡字典学习中表示系数的稀疏性和协同性对重建效果具有重要意义。针对该问题,在半耦合字典学习的超分辨重建基础上,利用核范数构建一个新的正则项,将稀疏性和协同性作为一个整体进行考虑,并用交替方向乘子法(ADMM)求解优化模型,得到了基于自适应半耦合字典学习的超分辨率图像重建算法。实验结果表明,该方法比现有的一些基于字典学习的重建方法具有更好的重建效果。所提出的算法能根据字典的变化自适应地平衡稀疏性与关联性,并通过两者之间的协调产生一个最合适的系数,因此在噪声环境下具有一定的抗干扰能力。

submitted time 2019-04-01 From cooperative journals:《计算机应用研究》 Hits976Downloads496 Comment 0

4. chinaXiv:201901.00143 [pdf]

基于改进卷积神经网络的图像超分辨率算法研究

胡晓辉; 张建国
Subjects: Computer Science >> Integration Theory of Computer Science

针对现有卷积神经网络图像超分辨率复原算法中的映射函数容易出现过学习、损失函数的收敛性不足等问题,通过结合现有的视觉识别算法和深度学习理论对其提出改进。首先将原有SRCNN网络层数从3层提高到13层,并提出一种自门控激活函数形式Swish,代替以往网络模型常用的Sigmoid、ReLU等激活函数,充分利用Swish函数的优势,有效避免了过拟合问题,更好的去学习利用低分辨率到高分辨率图像之间的映射关系指导图像重建。然后在传统的网络损失函数中引入Newton-Raphson迭代法的理论,进一步加快了收敛速度。最后通过实验证明了改进的卷积神经网络模型能够有效改善图像的清晰度,并在主观的视觉效果和客观的参数评价指标上有了进一步提高。

submitted time 2019-01-28 From cooperative journals:《计算机应用研究》 Hits1195Downloads584 Comment 0

5. chinaXiv:201901.00066 [pdf]

基于深度学习的单图像超分辨率重建研究综述

南方哲; 钱育蓉; 行艳妮; 赵京霞
Subjects: Computer Science >> Integration Theory of Computer Science

为深入了解基于深度学习的单图像超分辨率重建(single image super-resolution,SISR)的发展,把握当前研究的热点和方向,针对现有基于深度学习的单图像超分辨率重建模型进行了梳理。首先介绍了相关深度学习算法;然后介绍了基于深度学习的模型以及评价指标,并通过实验对比分析现有模型的性能,其目的在于从本质上了解基于深度学习的单图像超分辨率重建模型的优势;最后对单图像超分辨率重建的关键问题进行了总结,并对未来的发展趋势进行了展望。

submitted time 2019-01-03 From cooperative journals:《计算机应用研究》 Hits945Downloads692 Comment 0

6. chinaXiv:201805.00440 [pdf]

改进的单幅图像的自学习超分辨率重建方法

王晓明; 黄凤; 刘少鹏; 徐涛
Subjects: Computer Science >> Integration Theory of Computer Science

针对传统超分辨率重建方法稀疏表示依赖大训练样本字典的局限性问题,基于l?范数的弱稀疏性特点,提出一种改进的单幅图像自学习超分辨率重建方法。首先,通过自学习建立非金字塔阶梯式训练图像集;然后,采用自定义的方法分别提取训练集中低分辨率和相应高分辨率图像特征块及特征像素值;最后,结合l?范数的协作表示(collaborative representation,CR)理论和支持向量回归(support vector regression,SVR)技术学习多层超分辨率映射模型。实验结果表明,提出的超分辨率方法不仅可行有效,而且与传统的单幅图像的超分辨率方法比较,其PSNR平均提高了0.06~3.92 dB,SSIM平均提高了0.002 4~0.034 8。从客观数值和主观视觉证明了所提方法的优秀性。

submitted time 2018-05-24 From cooperative journals:《计算机应用研究》 Hits1646Downloads829 Comment 0

7. chinaXiv:201805.00349 [pdf]

基于稀疏贝叶斯估计的单图像超分辨率算法

袁桂霞; 周先春
Subjects: Computer Science >> Integration Theory of Computer Science

针对现有超分辨率方法对不同低分辨率图像的超分辨率效果差异较大的问题,提出了一种基于稀疏贝叶斯估计的单图像超分辨率方法。该方法将单图像超分辨率问题看做是回归问题,采用Kronecker脉冲函数作为回归基函数,综合利用图像的局部信息和全局信息寻找特定预测的最优稀疏解决方案,采用贝叶斯方法估计权重,据此重构超分辨率图像。实验结果表明,采用该方法对14幅测试图像进行单图像超分辨率,得到的平均峰值信噪比高、方差小、耗时少,证实了该方法的超分辨率效果好、适应性强,且运算效率高。

submitted time 2018-05-18 From cooperative journals:《计算机应用研究》 Hits1207Downloads802 Comment 0

8. chinaXiv:201805.00039 [pdf]

基于卷积神经网络的视频图像超分辨率重建方法

刘村; 李元祥; 周拥军; 骆建华
Subjects: Computer Science >> Integration Theory of Computer Science

为了进一步增强视频图像超分辨率重建的效果,研究利用卷积神经网络的特性进行视频图像的空间分辨率重建,提出了一种基于卷积神经网络的视频图像重建模型。采取预训练的策略用于重建模型参数的初始化,同时在多帧视频图像的空间和时间维度上进行训练,提取描述主要运动信息的特征进行学习,充分利用视频帧间图像的信息互补进行中间帧的重建。针对帧间图像的运动模糊,采用自适应运动补偿加以处理,对通道进行优化输出得到高分辨率的重建图像。实验表明,重建视频图像在平均客观评价指标上均有较大提升(PSNR +0.4 dB / SSIM +0.02),并且有效减少了图像在主观视觉效果上的边缘模糊现象。与其他传统算法相比,在图像评价的客观指标和主观视觉效果上均有明显的提升,为视频图像的超分辨率重建提供了一种基于卷积神经网络的新颖架构,也为进一步探索基于深度学习的视频图像超分辨率重建方法提供了思路。

submitted time 2018-05-02 From cooperative journals:《计算机应用研究》 Hits1396Downloads570 Comment 0

9. chinaXiv:201804.01398 [pdf]

压缩感知和相似性约束的图像超分辨率重构算法

吴科永; 陈东; 辛宁; 曹桂兴
Subjects: Computer Science >> Integration Theory of Computer Science

针对通过外部学习进行超分辨率存在图像质量不佳、细节不真实的问题提出一种压缩感知和相似性约束的单帧图像超分辨率算法。算法首先利用压缩感知中测量域与频域的线性关系对训练库图像在测量域分类,对不同类别图像块训练对应类别的字典,提高字典的表示能力;然后在重构时利用图像的非局部相似性,将图像在分类字典下的稀疏性和相似块信息同时作为先验信息联合约束重构过程,最后恢复出高分辨率图像。实验结果表明算法重构出的高分辨率图像具有丰富的细节以及清晰的边缘,重构图像主观质量良好。

submitted time 2018-04-12 From cooperative journals:《计算机应用研究》 Hits1421Downloads886 Comment 0

10. chinaXiv:201804.01415 [pdf]

融合全局与局部视角的光场超分辨率重建

邓武; 张旭东; 熊伟; 汪义志
Subjects: Computer Science >> Integration Theory of Computer Science

针对光场相机结构和像素传感器分辨率的限制导致光场图像空间分辨率和角度分辨率都较低的问题,提出一种融合全局与局部视角的光场超分辨率重建算法,同时提高光场图像的空间分辨率和角度分辨率。首先根据待重建新视角的位置,自适应选择局部视角,利用空间超分辨率卷积神经网络提高全局视角和局部视角的空间分辨率,然后提取并融合全局视角和局部视角在新视角处映射图像的深度特征和颜色特征,通过角度分辨率卷积神经网络重建获得新视角图像。实验结果表明,与现有方法相比,峰值信噪比(PSNR)提高约3 dB,结构相似性指数(SSIM)提高约0.02,有效地解决了遮挡情况下重建新视角局部目标丢失现象,同时更好地保持新视角的边缘信息,获得更优的重建效果。

submitted time 2018-04-12 From cooperative journals:《计算机应用研究》 Hits819Downloads496 Comment 0

12  Last  Go  [2 Pages/ 12 Totals]