基于CNN的图像超分辨率重建
图像尺寸变大且变清晰是图像处理的内在需求之一,然而现有的图像分辨率固定的情况下,从低分辨率到高分辨率的扩展常伴来了模糊、噪声的问题,即Single image super-resolution (SISR) aims to recover a high-resolution (HR) version of a low-resolution (LR) input. 因此深度学习架构下的图像超分辨率重建是近几年来研究的热点。
在CVPR 2018中的文章中,Learning a Single Convolutional Super-Resolution Network for Multiple Degradations一文对于经典的2016年VDSR文章(之前编译过)有了比较大的突破,经过复现,发现效果还不错,特记录下:
1、论文基本原理
超分辨率重建的基本原理,如下所示:即要找到高分辨率的图像x
论文的基本网络架构如下所示:
从图上可以看出,其输入不仅仅是低分辨率的原始图像,而且是一系列的多重降级的低分辨率图像系列,然后采用与VDSR类似的网络架构,不过需要在最后将得到的一系列高分辨率结果再合并为一张单张的图像。
2、论文实践结果
仍然以PSNR作为评测指标。
程序测试结果如下:可以看到SISR的效果还是不错的。