如需要完整文档点击下方 "点击下载文档" 按钮

传统的图像超分辨率重建方法由于其计算局限性,无法对大批量或者模糊因子不同的图像做最优处理, 也无法得出高分辨率图像。 近年来随着深度学习神经网络越来越多被学者关注和青睐,其中卷积神经网络被成功应用于图像超分辨率重建。 但是传统的图像超分辨率卷积神经网络,无论在训练速度,泛化能力,还是生成图像质量等方面仍存在问题。针对上述问题,对图像超分辨率重建的原理进行研究,对 SRCNN 模型在多种训练通道下的超分辨率效果进行了实验,并提出了基于多层特征提取层的图像超分辨率重建模型,采用新的优化方法,验证了多种包含不同层数体征提取层的卷积神经网络模型。 实验证明该方法在一定程度上优于 SRCNN 方法,能够有效加快网络整体的训练速度。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于优化卷积神经网络的图像超分辨率重建》

将 完整文档 下载到本地，方便收藏和查阅

文件号：060931

点击下载文档