基于多尺度特征損失函數的圖像超分辨率重建
徐亮; 符冉迪; 金煒; 唐彪; 王尚麗 寧波大學信息科學與工程學院; 浙江寧波315211
關鍵詞：圖像超分辨率重建 稠密卷積神經網絡 多尺度特征損失函數 深度學習
摘要：在圖像超分辨率重建問題中,許多基于深度學習的方法大多采用傳統的均方誤差(MSE)作為損失函數,重建后的圖像容易出現細節模糊和過于平滑的問題。針對這一問題,本文對傳統的均方誤差損失函數進行改進,提出一種基于多尺度特征損失函數的圖像超分辨率重建方法。整個網絡模型由基于DenseNet的重建模型和一個用來優化多尺度特征損失函數的卷積神經網絡串聯構成。將重建后得到的圖像和對應的原始高清圖像作為串聯的卷積神經網絡的輸入,計算重建圖像卷積得到的不同尺度特征圖與對應的原始高清圖像卷積得到的不同尺度特征圖的均方誤差。實驗結果表明,本文提出的方法在主觀視覺效果和PSRN、SSIM上均有所提升。
光電工程雜志要求:
{1}來稿請附作者簡介，包括姓名、所在單位與職稱、職務以及聯系方式。
{2}來稿文責自負。根據《著作權法》，結合本刊具體情況，編輯部可作修辭等文字修改、刪節，凡涉及原意的重大修改，則需征求作者意見。
{3}來稿需包括文章名、內容提要、關鍵詞。內容提要需能簡明扼要、客觀準確地體現出論文的主要觀點；關鍵詞要以分號分隔并列。
{4}文題避免使用簡稱、縮寫、標點符號、化學結構式及藥品商品名等不規范名詞。論著類文章應有英文題名，其含義應與中文一致，一般以不超過10個實詞為宜。
{5}摘要一般應說明研究工作的目的、實驗（研究）方法、結果和結論等，中文摘要不超過300字。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
