一个单和多级联图像超分辨率方法.
Jing Sun1, Qiangqiang Yuan2, Huanfeng Shen1
1School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
本研究介绍了一种双步图像超分辨率方法,该方法结合了多 (MFSR) 和单 (SFSR) 技术. 这种新的方法提高了图像质量和稳定性,在客观和感知指标方面超过了现有的方法.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 图像超分辨率 (SR) 旨在将低分辨率 (LR) 图像增强到高分辨率 (HR).
- 由于有限的补充信息,现有的单 (SFSR) 和多 (MFSR) 方法面临性能恶化,放大效果越来越大.
研究的目的:
- 开发一种新的两步图像超分辨率方法,将图像逐渐提升到所需的分辨率.
- 整合基于变化的模型和基于深度学习的方法的优势,以改进SR重建.
主要方法:
- 提出了一种新的两步方法,将MFSR与SFSR连接在一起.
- 该方法采用L0规范受约束的重建方案和增强的残留反射网络.
- 结合了基于模型的可变灵活性和深度学习特征提取.
主要成果:
- 拟议的级联模型在客观 (例如,PSNR) 和感知质量测量方面都表现出卓越的性能.
- 在set5上获得的平均PSNR为33.413dB,在set14上达到29.658dB,超过了基线方法.
- 级联模型显示在不同的SFSR和MFSR技术中具有强大的适用性.
结论:
- 拟议的两步SR方法有效地解决了现有方法的局限性.
- 整合MFSR和SFSR,以及先进的重建和深度学习技术,可以显著提高图像质量.
- 开发的级联模型为各种超高分辨率任务提供了强大而通用的解决方案.
