基于多层次特征提取的轻量级超分辨率重建算法
信息技术与网络安全 5期
竺可沁1，2，林珊玲2，3，林志贤1，2，3，郭太良1，2
(1.福州大学 物理与信息工程学院，福建 福州350116； 2.中国福建光电信息科学与技术创新实验室，福建 福州350116；3.福州大学 先进制造学院，福建 泉州362200)
摘要： 针对目前基于深度学习的超分辨率算法特征提取较为单一、结构复杂且参数庞大的问题，提出了一种基于多层次特征提取的轻量级超分辨率重建算法。该算法采用了多层次特征提取的方式，首先提取图像的浅层特征；其次，使用包含多个并行卷积的深层特征提取模块提取图像的深层特征。设计了一种带学习权重的多尺度特征融合重建模块，以充分利用提取出的多层次信息重建图像。实验结果表明，其重建图像的峰值信噪比和结构相似性在多数情况下领先于目前主流算法；与对比算法相比，在参数量和运算时间上均保持领先，证明了网络的轻量化特性。
中图分类号： TP391.7
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2022.05.006
引用格式： 竺可沁，林珊玲，林志贤，等. 基于多层次特征提取的轻量级超分辨率重建算法[J].信息技术与网络安全，2022，41(5)：38-44.
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2022.05.006
引用格式： 竺可沁，林珊玲，林志贤，等. 基于多层次特征提取的轻量级超分辨率重建算法[J].信息技术与网络安全，2022，41(5)：38-44.
A lightweight super-resolution algorithm based on multi-level feature extraction
Zhu Keqin1，2，Lin Shanling2，3，Lin Zhixian1，2，3，Guo Tailiang1，2
(1.College of Physics and Information Engineering，Fuzhou University，Fuzhou 350116，China； 2.Fujian Science & Technology Innovation Laboratory for Optoelectronic Information of China，Fuzhou 350116，China； 3.School of Advanced Manufacturing，Fuzhou University，Quanzhou 362200，China)
Abstract： In order to solve the problem that today′s algorithms based on deep learning have simple feature extraction, complex structure and huge parameters, a lightweight super-resolution algorithm based on multi-layer feature extraction is proposed. The algorithm adopts the multi-level feature extraction method. Firstly, the low feature of the image is extracted. Secondly, the deep feature extraction module containing multiple parallel convolutions is used to extract the deep feature of the image. A multi-scale feature fusion and reconstruction module with learning weights is designed to make full use of the extracted multi-level information to reconstruct images. Experimental results show that the peak signal noise ratio and structural similarity of reconstructed images are better than the current algorithms in most cases. Compared with the comparison algorithm, the number of parameters and operation time remain ahead, which proves the lightweight feature of the network.
Key words : super-resolution reconstruction；multi-level feature extraction；multi-scale feature fusion；convolutional neural network；image enhancement
0 引言
随着信息技术的飞速发展与应用，图像处理技术已经成为信息时代的关键核心技术之一。数字图像在医学、监控、遥感等领域得到了广泛的应用，人们对图像质量的要求也越来越高。但是由于照片成像质量以及保存条件的限制，使得图像往往会丢失很多细节且分辨率较低，不利于后续对图像信息的进一步处理。图像超分辨率重建(Super Resolution，SR)技术可以将一幅低分辨率(Low Resolution，LR)图像重建为高分辨率(High Resolution，HR)图像。由于其在成本、便利性等方面的显著优势，已经成为了数字图像处理技术的主要研究内容之一[1-2]。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004245
作者信息：
竺可沁1，2，林珊玲2，3，林志贤1，2，3，郭太良1，2
(1.福州大学 物理与信息工程学院，福建 福州350116；
2.中国福建光电信息科学与技术创新实验室，福建 福州350116；3.福州大学 先进制造学院，福建 泉州362200)
此内容为AET网站原创，未经授权禁止转载。