【技术实现步骤摘要】
基于多层感知机层的密集连接网络图像超分辨率方法
本专利技术涉及图像超分辨率
，具体地说，本专利技术涉及一种基于多层感知机层的密集连接网络图像超分辨率技术方案(SR-RMDB)。
技术介绍
图像超分辨率的基本目标是从输入的低分辨率图像中重建恢复出高分辨率图像。根据输入图像的数量，图像超分辨率方法分为单幅图像和多幅图像的超分辨率方法。由于图像退化过程中信息损失的不可逆，单幅图像超分辨率是个病态问题。现存主要有三类方法解决这个问题，即：基于插值的方法、基于重建的方法和基于学习的方法。基于学习的方法又可分为基于浅层学习和基于深度学习的方法。近年来，基于深度学习即卷积神经网络的方法成为解决该问题的主流。为了学习低分辨率图像到高分辨率图像的非线性匹配，SRCNN的方法(C.Dong,C.L.Chen,K.He,andX.Tang,“Learningadeepconvolutionalnetworkforimagesuper-resolution,”vol.8692,pp.184–199,2014)首先将卷积神经网络以端到端的方式引入单幅图像超分辨率问题中。即使该方法中的...
【技术保护点】
1.一种基于多层感知机层的密集连接网络图像超分辨率方法，其特征在于：低分辨率图像输入基于多层感知机层的密集连接网络，由密集连接网络进行图像的超分辨率运算，输出高分辨率图像；所述多层感知机层的密集连接网络包括若干密集连接模块，每个密集连接模块包括若干密集单元，每个密集单元中包括一个多层感知机层。
【技术特征摘要】
1.一种基于多层感知机层的密集连接网络图像超分辨率方法，其特征在于：低分辨率图像输入基于多层感知机层的密集连接网络，由密集连接网络进行图像的超分辨率运算，输出高分辨率图像；所述多层感知机层的密集连接网络包括若干密集连接模块，每个密集连接模块包括若干密集单元，每个密集单元中包括一个多层感知机层。2.根据权利要求1所述的基于多层感知机层的密集连接网络图像超分辨率方法，其特征在于：所述多层感知机层的密集连接网络包括1个3×3的卷积层，M个密集连接模块，2个亚像素卷积层和1个加法器；输入密集连接网络的低分辨率图像ILR，经卷积层得到低维特征F0；随后，将低维特征F0输入第一个密集连接模块，其输出为F1，并作为第二个密集连接模块的输入，以此类推，经过M个密集连接模块后分别提取得到高维特征F1,…,FM；然后，通过2个亚像素卷积层分别将低维特征F0和高维特征FM映射到高分辨率空间，相应得到本体映射FGR和全局残差FIM；最后，经过加法器将全局残差FGR和本体映射FIM融合得到图像超分辨率结果ISR。3.根据权利要求2所述的基于多层感知机层的密集连接网络图像超分辨率方法，其特征在于：所述密集连接模块包括D个密集单元，1个1×1的卷积层和一个加法器；第m个密集连接模块的输入为Fm-1，m＝...
【专利技术属性】
技术研发人员：梅晓光，马佳义，马泳，樊凡，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。