10.3969/j.issn.2095-2163.2024.01.009
基于增强隐式神经表示的图像超分辨算法研究
隐式神经表示为数字图像的连续表示提供了一种方法,该方法已成功应用于图像超分辨任务中,并能够取得良好的性能.但是,由于其像素级采样的插值策略,导致权重分配失衡,使得恢复出的高分辨率图像边缘、纹理过平滑;同时由深度网络提取的特征图存在底层特征失真的问题.针对上述问题,本文提出一种基于增强隐式神经表示的图像超分辨重构算法(WCESR).方法中引入权重修正模块,学习局部面积权重与全局结构权重的关系,缓解权重分配失衡现象;同时引入低分辨图像的边缘特征,扩展由深度神经网络得到的深层图像特征,产生锐利的边缘.通过大量对比实验和消融实验证明:本方法可以得到与现有算法相当甚至更好的效果.
图像超分辨、隐式神经表示、权重修正、边缘特征扩展
14
TP399(计算技术、计算机技术)
2024-01-31(万方平台首次上网日期,不代表论文的发表时间)
共8页
56-62,69