登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
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.

  • 作者

    张静  陈益强  纪雯  ZHANG Jing  CHEN Yi-Qiang  JI Wen 

  • 作者单位

    中国科学院计算技术研究所移动计算与新型终端北京市重点实验室 北京 100190;中国科学院计算技术研究所网络数据科学与技术重点实验室 北京 100190;中国科学院大学 北京 100049/中国科学院计算技术研究所移动计算与新型终端北京市重点实验室 北京 100190;中国科学院大学 北京 100049

  • 刊期

    2018年11期 ISTIC EI PKU

  • 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 

相似文献 查看更多>>
18.234.111.56