CVPR论文 | 如何处理多种退化类型的卷积超分辨率?

  1. 云栖社区>
  2. 博客>
  3. 正文

CVPR论文 | 如何处理多种退化类型的卷积超分辨率?

初商 2019-08-14 22:01:42 浏览87
展开阅读全文

image.png

〔小叽导读〕:近年来,深度卷积神经网络(CNN)方法在单幅图像超分辨率(SISR)领域取得了非常大的进展。然而现有基于CNN的SISR方法主要假设低分辨率(LR)图像由高分辨率(HR)图像经过双三次(bicubic)降采样得到,因此当真实图像的退化过程不遵循该假设时,其超分辨结果会非常差。此外,现有的方法不能扩展到用单一模型解决多种不同的图像退化类型。

为此,提出了一种维度拉伸策略使得单个卷积超分辨率网络能够将SISR退化过程的两个关键因素(即模糊核和噪声水平)作为网络输入。归因于此,训练得到超分辨网络模型可以处理多个甚至是退化空间不均匀的退化类型。实验结果表明提出的卷积超分辨率网络可以快速、有效地处理多种图像退化类型,为SISR实际应用提供了一种高效、可扩展的解决方案。

1.引言

单幅图像超分辨率(SISR)的目的是根据单幅低分辨(L

网友评论

登录后评论
0/500
评论
初商
+ 关注