基于残差网络的图像超分辨率重建算法
【摘要】 传统的卷积神经网络用到的方法是在稀疏表示的超分辨率图像的基础上学习高/低分辨率图像之间端到端的映射，输入的是高分辨率的图像，输出的是低分辨率的图像，拥有三层卷积层的SRCNN虽然有一定的重建效果，但是感受野较低，因此，提出加深网络结构的方法，此次改进使得后面的网络层拥有更大的感受野，这样结果的像素点可以根据更多的像素点来推断。但是考虑到网络结构加深对传输速率的影响，通过引入局部残差学习和全局残差学习相结合的方法来提高学习率，通过该办法有效地加快了收敛速度，并且通过实验结果验证，与已有的Bicubic、SRCNN和VDSR相比，重建效果在峰值信噪比、结构相似性和视觉效果上均有所提升。
