基于CNN与ELM的二次超分辨率重构方法研究

摘要：

为了实现将低分辨率图像重构为高分辨率图像,弥补高、低分辨率图像间信息损失,文中提出了卷积神经网络与极限学习机结合的二次超分辨率重构方法.首先通过基于深度学习的超分辨率重构优化方法,快速训练端对端的卷积神经网络重构模型,学习结构化的图像信息;然后采用像素级的特征提取,并采用极限学习机模型对图像进行高频分量的补充,通过二次重构获得具有更好视觉效果的高分辨率图像.实验结果表明,文中的优化方法将原有卷积神经网络重构模型的训练效率提高了3个数量级,重构效果在主观和客观评估中均优于当前代表性的超分辨率重构方法.

关键词：超分辨率重构、深度学习、图像处理、卷积神经网络、极限学习机

所属期刊栏目：41

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61572466,61472399,61572471;中国科学院科研装备研制项目YZ201527;北京市自然科学基金4162059

在线出版日期：2018-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：2581-2597