| 基于多残差网络的结构保持超分辨重建 | |
| 其他题名 | Structure-Preserving Super-Resolution Reconstruction Based on Multi-residual Network |
| 张铭津1,2; 彭晓琪1; 郭杰1; 李云松1; 王楠楠1; 高新波1,3 | |
| 作者部门 | 光谱成像技术研究室 |
| 2021-03 | |
| 发表期刊 | 模式识别与人工智能
 |
| ISSN | 1003-6059 |
| 卷号 | 34期号:3页码:232-240 |
| 产权排序 | 1 |
| 摘要 |
针对图像超分辨率重建中几何结构扭曲和细节缺失等问题,文中提出基于多残差网络的结构保持超分辨重建算法.在小波变换域和梯度域上进行深度学习.文中算法包含3种残差网络.残差梯度网络用于结构及边缘信息的重建.残差小波变换网络从整体上进行图像高频信息的重建.残差通道注意力网络通过调整网络注意力,着重学习重要的通道特征,从局部恢复图像高频信息,提高重建效率.实验表明,文中算法在定量结果和视觉效果方面均取得较优表现. |
| 关键词 | 超分辨率重建 深度学习 多残差网络 结构保持 |
| 收录类别 | EI ; CSCD |
| 语种 | 中文 |
| CSCD记录号 | CSCD:6962613 |
| EI入藏号 | 20212010365541 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.opt.ac.cn/handle/181661/94818 |
| 专题 | 光谱成像技术研究室 |
| 通讯作者 | 高新波 |
| 作者单位 | 1.西安电子科技大学综合业务网理论及关键技术国家重点实验室 2.中国科学院西安光学精密机械研究所中国科学院光谱成像技术重点实验室 3.重庆邮电大学图像认知重庆市重点实验室 |
| 第一作者单位 | 中国科学院西安光学精密机械研究所 |
| 推荐引用方式 GB/T 7714 | 张铭津,彭晓琪,郭杰,等. 基于多残差网络的结构保持超分辨重建[J]. 模式识别与人工智能,2021,34(3):232-240. |
| APA | 张铭津,彭晓琪,郭杰,李云松,王楠楠,&高新波.(2021).基于多残差网络的结构保持超分辨重建.模式识别与人工智能,34(3),232-240. |
| MLA | 张铭津,et al."基于多残差网络的结构保持超分辨重建".模式识别与人工智能 34.3(2021):232-240. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 基于多残差网络的结构保持超分辨重建.pd（5713KB） | 期刊论文 | 作者接受稿 | 限制开放 | CC BY-NC-SA | 请求全文 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [张铭津]的文章 |
| [彭晓琪]的文章 |
| [郭杰]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [张铭津]的文章 |
| [彭晓琪]的文章 |
| [郭杰]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [张铭津]的文章 |
| [彭晓琪]的文章 |
| [郭杰]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论