基于多层卷积神经网络学习的单帧图像超分辨率重建方法  

Single image super-resolution reconstruction via deep convolutional neural network

作　　者：刘娜 李翠华[1] 

机构地区：[1]厦门大学信息科学与技术学院计算机科学系,福建厦门361005

出　　处：《中国科技论文》2015年第2期201-206,共6页China Sciencepaper

基　　金：国家自然科学基金资助项目(61373077);高等学校博士学科点专项科研基金资助项目(20110121110020);福建省教育厅A类项目(JA14300);国防基础科研计划项目

摘　　要：构建了一个应用于超分辨率重建的PMJ模型(perception,memory,judgment-super resolution,PMJ-SR),在感知阶段对图像进行初步的特征提取;在记忆阶段使用深度卷积神经网络学习得到超分辨率重建的过完备字典;在决策阶段,将过完备字典作为超分辨率重建的依据,对单帧图像进行超分辨率重建。实验结果表明,该模型对单帧图像具有良好的重建能力,能够较好地重建低分辨率图像。A computational cognition model,based on perception,memory,and judgment(PMJ),is proposed for image superresolution reconstruction,named as PMJ-SR.In the perception stage,features are extracted from high-resolution images.In the memory stage,deep convolutional neural network is applied to learn over-complete dictionary.In the judgment stage,single image is reconstructed from low-resolution to high-resolution based on the over-complete dictionary.Experimental results show that PMJ-SR model presents good ability for low-resolution image reconstruction.

关 键 词：超分辨率重建 卷积神经网络 深度学习 计算认知模型 感知 记忆 决策 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]