基于多尺度特征損失函數(shù)的圖像超分辨率重建
關(guān)鍵詞：圖像超分辨率重建 稠密卷積神經(jīng)網(wǎng)絡(luò) 多尺度特征損失函數(shù) 深度學(xué)習(xí)
摘要：在圖像超分辨率重建問題中,許多基于深度學(xué)習(xí)的方法大多采用傳統(tǒng)的均方誤差(MSE)作為損失函數(shù),重建后的圖像容易出現(xiàn)細(xì)節(jié)模糊和過于平滑的問題。針對(duì)這一問題,本文對(duì)傳統(tǒng)的均方誤差損失函數(shù)進(jìn)行改進(jìn),提出一種基于多尺度特征損失函數(shù)的圖像超分辨率重建方法。整個(gè)網(wǎng)絡(luò)模型由基于DenseNet的重建模型和一個(gè)用來優(yōu)化多尺度特征損失函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)串聯(lián)構(gòu)成。將重建后得到的圖像和對(duì)應(yīng)的原始高清圖像作為串聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)的輸入,計(jì)算重建圖像卷積得到的不同尺度特征圖與對(duì)應(yīng)的原始高清圖像卷積得到的不同尺度特征圖的均方誤差。實(shí)驗(yàn)結(jié)果表明,本文提出的方法在主觀視覺效果和PSRN、SSIM上均有所提升。
光電工程雜志要求:
{1}來稿請(qǐng)附作者簡介，包括姓名、所在單位與職稱、職務(wù)以及聯(lián)系方式。
{2}來稿文責(zé)自負(fù)。根據(jù)《著作權(quán)法》，結(jié)合本刊具體情況，編輯部可作修辭等文字修改、刪節(jié)，凡涉及原意的重大修改，則需征求作者意見。
{3}來稿需包括文章名、內(nèi)容提要、關(guān)鍵詞。內(nèi)容提要需能簡明扼要、客觀準(zhǔn)確地體現(xiàn)出論文的主要觀點(diǎn)；關(guān)鍵詞要以分號(hào)分隔并列。
{4}文題避免使用簡稱、縮寫、標(biāo)點(diǎn)符號(hào)、化學(xué)結(jié)構(gòu)式及藥品商品名等不規(guī)范名詞。論著類文章應(yīng)有英文題名，其含義應(yīng)與中文一致，一般以不超過10個(gè)實(shí)詞為宜。
{5}摘要一般應(yīng)說明研究工作的目的、實(shí)驗(yàn)（研究）方法、結(jié)果和結(jié)論等，中文摘要不超過300字。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
