计算机工程

作者：楼鑫杰, 李小薪, 刘志勇

单位：1. 浙江工业大学 计算机科学与技术学院, 杭州 310023;2. 深圳职业技术学院 工业中心, 广东 深圳 518055

关键词：图像超分辨率重建,人类视觉系统,深度学习,反馈机制,课程学习策略

基金：浙江省自然科学基金（LY18F020031）。

现有的图像超分辨率重建方法充分利用了强大的深度学习模型，但忽略了人类视觉系统中普遍存在的反馈机制。提出一种新型图像超分辨率重建算法，通过具有约束条件的递归神经网络中包含的隐藏状态实现反馈机制，旨在处理网络间的反馈连接并生成更具说服力的高级表示形式，提供更多的上下文信息，从而帮助低分辨率图像完成高分辨率图像的重建。此外，具有较强早期图像重建能力的反馈网络可逐步生成最终的高分辨率图像。为解决低分辨率图像因多种类型的退化而导致的细节损失问题，引入课程学习策略，使网络适用于更复杂的任务，提升模型的鲁棒性。实验结果表明，该算法能有效提升图像超分辨率重建的准确性，与SRCNN、VDSR、RDN等算法相比，其PSNR值最高提升了7.15 dB。

来源：2022年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第2期