检索结果

Select

1. 融合迭代反馈与注意力机制的图像超分辨重建方法

梁敏, 刘佳艺, 李杰

《计算机应用》唯一官方网站 2023, 43 (7): 2280-2287. DOI: 10.11772/j.issn.1001-9081.2022060877

摘要（193）

HTML （5）

PDF （3427KB）（94）

针对图像超分辨重建过程中原始高清图片与低质量图像之间缺乏依赖关系、深度网络中特征图信息不分主次重构导致的图像高频信息高精度重构困难的问题，提出一种融合迭代反馈与注意力机制的单幅图像超分辨重建方法。首先使用频率分解模块分别提取图像中的高、低频信息，并将二者分别处理，使网络重点关注提取出的高频细节部分，增强方法在图像细节上的复原能力；其次通过通道注意力机制将重建的重点放在有效特征所在的特征通道上，增强网络提取特征图信息的能力；然后采用迭代反馈的思想，在反复重建和比对过程中增加图像的还原程度；最后通过重建模块生成输出图像。在Set5、Set14、BSD100、Urban100和Manga109基准数据集上的2倍、4倍和8倍放大实验中，与主流超分辨率方法相比，所提方法表现出更优越的性能。在Manga109数据集的8倍放大实验中，相较于传统插值方法和基于卷积神经网络的图像超分辨率算法（SRCNN），所提方法的峰值信噪比（PSNR）均值分别提升了约3.01 dB和2.32 dB。实验结果表明：所提方法能够降低重建过程中出现的误差，并有效重建出更精细的高分辨率图像。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于加速残差网络的图像超分辨率重建方法

梁敏, 王昊榕, 张瑶, 李杰

计算机应用 2021, 41 (5): 1438-1444. DOI: 10.11772/j.issn.1001-9081.2020091520

摘要（396）

PDF （2387KB）（338）

针对深层网络架构的图像超分辨率重建任务中存在网络参数多、计算复杂度高等问题，提出了一种基于加速残差网络的图像超分辨率重建方法。首先，构建一个残差网络对低分辨率图像与高分辨率图像之间的高频残差信息进行重建，以减少冗余信息的深层网络传输过程，提高重建效率；然后，通过特征收缩层对提取的低分辨率特征图进行降维，从而以较少的网络参数实现快速映射；之后，对高分辨率特征图通过特征扩展层进行升维，从而以较丰富的信息重建高频残差信息；最后，将残差与低分辨率图像求和得到重建的高分辨率图像。实验结果表明，该方法取得的峰值信噪比（PSNR）及结构相似性（SSIM）均值结果较基于卷积神经网络的图像超分辨率（SRCNN）取得的结果分别提升了0.57 dB和0.013 3，较基于中间层监督卷积神经网络的图像超分辨率重建（ISCNN）取得的结果分别提升了0.45 dB和0.006 7；在重建速度方面，以数据集Urban100为例，较现有方法提高了1.5~42倍。此外，将该方法应用于运动模糊图像的超分辨率重建时，获得了优于超深卷积神经网络的图像超分辨率（VDSR）的性能。所提方法以较少的网络参数快速获得较好的重建质量，并且为图像超分辨率重建提供了新的思路。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于边缘模糊频谱特征的散焦参数估计方法

梁敏朱虹

计算机应用 2014, 34 (4): 1177-1181. DOI: 10.11772/j.issn.1001-9081.2014.04.1177

摘要（447）

PDF （718KB）（473）

退化图像复原的关键在于点扩散函数(PSF)的准确估计，针对散焦模糊图像点扩散函数参数未知的情况，提出一种基于图像边缘模糊频谱特征的参数估计方法。首先分析基本边缘经模糊退化后的频谱特征，进而构建了自然图像的边缘模型作为参考图像，通过在连续的散焦值范围内计算与待测模糊图像频谱的最大相似性，以获取散焦参数估计值。实验结果表明，所提方法能够适用于大尺度模糊图像的参数估计问题，且具有较强的抗噪性能。

参考文献 | 相关文章 | 多维度评价

Select

4. 模糊图像点扩散函数的亚像素精度离散化方法

梁敏朱虹欧阳光振刘薇

计算机应用 2012, 32 (02): 496-498. DOI: 10.3724/SP.J.1087.2012.00496

摘要（1197）

PDF （534KB）（432）

快速准确的点扩散函数(PSF)估计方法，是获取良好模糊图像复原效果的前提。针对散焦模糊和匀速运动模糊的PSF在以往离散化实现过程中的近似误差问题，提出一种结合退化模型几何性质和亚像素估计的离散化方法，定义了近邻像素点的距离相关权值分配原则，并以此进行亚像素精度的估计，从而实现了PSF的离散化。实验结果表明该方法的估计精度有很明显的提高，并在主观视觉质量和客观图像清晰度评价函数、峰值信噪比(PSNR)、改善信噪比(ISNR)方面均优于传统方法。