基于深度学习的单幅图像超分辨率重建方法研究

摘要

为了解决基于单幅图像自适应稠密连接超分辨率(ADCSR)算法中的残差单元的融合问题，本文提出了一种基于行稀疏约束l0,2-范数和soft-max运算的新策略．根据ADCSR算法，本文算法分为两部分:BODY和SKIP，前者专注图像的高频特征学习，后者专注低频特征学习．BODY部分中所有自适应密集残差单元(ADRU)的输出，作为初始特征图，可用特征数目l0,2-范数作为活动水平度量，然后利用基于块的平均算子计算最终活动水平图，最后利用soft-max得到融合后特征映射，改进了原ADCSR算法中卷积融合粗糙的缺点，保留了更多的结构信息和特征．此外特征数目l0,2-范数作为字典原子更加精确地获取更高的权重，获得了更优的峰值信噪比PSNR、结构相似性SSIM和视觉效果，计算机实验证明了本文算法的有效性．

关键词

单幅图像超分辨率(SISR) / 残差单元融合 / l0,2-范数 / 平均算子