计算机工程

作者：强保华, 庞远超, 杨明浩, 曾坤, 郑虹, 谢武, 莫烨

单位：1. 桂林电子科技大学 广西图像图形与智能处理重点实验室, 广西 桂林 541004;2. 桂林电子科技大学 广西可信软件重点实验室, 广西 桂林 541004;3. 桂林电子科技大学 广西云计算与大数据协同创新中心, 广西 桂林 541004;4. 闽江大学 福建省信息处理与智能控制重点实验室, 福州 350108

关键词：卷积神经网络,上采样,并行网络,跳跃连接,图像超分辨率

基金：国家自然科学基金（61762025）；国家自然科学基金青年基金（61601389）；广西重点研发计划（桂科AB17195053，桂科AB18126053）；广西自然科学基金（2017GXNSFAA198226）；桂林科技发展计划（20180107-4）。

针对卷积神经网络中的图像超分辨率重建模型训练不稳定与收敛速度较慢等问题，提出一种可嵌入式并行网络框架（EPNF），用于单幅图像超分辨率重建任务。将现有的图像超分辨率网络模型作为EPNF框架的深层结构部分嵌入到该框架中，能够以较小参数代价加快所嵌入的超分辨率模型的收敛速度，在一定程度上提高模型的准确率。在EPNF网络结构的基础上，提出一种新的超分辨率重建方法EPNF_DCSR，采用稠密跳跃连接构造高分辨率（HR）图像的高频成分，并使用单层卷积构造HR图像的低频成分，合成一幅HR输出图像。实验结果表明，与当前主流的图像超分辨率算法相比，EPNF_DCSR具有更好的图像生成效果。

来源：2021年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第5期