首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
赵丽玲, 孙权森, 张泽林.基于深度学习特征字典的单帧图像超分辨率重建[J].数据采集与处理,2018,33(4):740-750
基于深度学习特征字典的单帧图像超分辨率重建
Single Image Super Resolution Reconstruction Based on Deep Features Dictionary
投稿时间:2016-10-03  修订日期:2017-10-09
DOI:10.16337/j.1004-9037.2018.04.018
中文关键词:  深度学习  字典学习  超分辨  深层次特征提取  单帧图像
英文关键词:deep learning  dictionary learning  super-resolution  deep-level feature extraction  single image
基金项目:国家自然科学基金(61673220,61802199)资助项目。
作者单位
赵丽玲1,2, 孙权森1, 张泽林2 1. 南京理工大学计算机科学与工程学院, 南京, 210094

2. 南京信息工程大学信息与控制学院
, 南京, 210044 
摘要点击次数: 479
全文下载次数: 1216
中文摘要:
      在基于字典的单帧图像超分辨率重建算法中,依赖人工浅层特征设计的字典表达图像特征能力有限。为此,提出基于深度学习特征字典的超分辨重建方法。该算法首先利用深度网络进行高、低分辨率训练样本图像深层次特征学习;然后,在稀疏字典超分辨框架下联合训练特征字典;最后,输入单帧低分辨率图像并利用该字典实现超分辨率重建。理论分析表明,引入深度网络提取图像深层次特征并用于字典训练,对低分辨率图像的高频信息补充更加有利。实验证明,与双三次插值以及基于一般人工特征字典的超分辨重建算法相比,本文算法的主观视觉和客观评价指标均高于对比算法。
英文摘要:
      The ability of image features expression with the dictionary designed by artificial shallow features is limited in dictionary based single image super-resolution reconstruction algorithm. For the reason, an image super resolution reconstruction algorithm based on deep learning and feature dictionary is proposed. Firstly, deep-level feature learning is carried out in high and low resolution training sample images by using deep network. Secondly, the feature dictionary is trained with the combination of sparse coding under the sparse dictionary super resolution frame. Finally, a low resolution image is put in and the super resolution reconstruction is realized by using the dictionary. Theoretical analysis shows that the combination of image deep-level feature extraction and dictionary training by using deep network is more beneficial to high frequency information supplement for low resolution image. Experimental results show that compared with bicubic interpolation and other general artificial feature dictionary based super resolution reconstruction algorithms, the proposed algorithm has better subjective visual and objective evaluation indices.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2196104位访问者 本站今日一共被访问707

技术支持:北京勤云科技发展有限公司