基于非对称特征差异网络的图像超分辨率重建
Asymmetric feature difference network for image super-resolution reconstruction
  
DOI:
中文关键词:  对比学习;非对称孪生网络;特征提取与特征差异;超分辨率重建
英文关键词:contrastive learning; asymmetric siamese network; feature extraction and feature difference; super resolution reconstruction
基金项目:南京邮电大学自然科学基金(NY220057)资助项目
作者单位
王彩玲 南京邮电大学 自动化学院、人工智能学院,江苏 南京 210023 
沈 齐 南京邮电大学 自动化学院、人工智能学院,江苏 南京 210023 
摘要点击次数: 351
全文下载次数: 192
中文摘要:
      在众多图像处理任务中,图像的质量好坏对任务的影响是巨大的。对于低分辨率图像带来的像素模糊和细节缺失等问题,提出一种基于非对称特征差异网络模型用于图像超分辨率重建,将自监督的对比学习思想应用在无监督的图像超分辨率重建领域。通过对比两个网络之间特征图的差异,计算出损失并反向更新网络的权重,增强网络学习图像内部数据分布的能力。设计了一种特征增强模块,进一步提高生成结果的质量。经过图像质量评价指标的客观实验和可视化结果的主观展示,提出的方法能够有效地提高细节特征和图像质量。
英文摘要:
      Qualities of images are crucial to image processing tasks. For the problems of blurred pixels and missing details caused by low resolution images, this paper proposes an asymmetric feature difference network for image super resolution, and applies the self supervised contrast learning idea to unsupervised image super resolution. The differences of the feature maps between the two networks are identified, and then the loss is calculated and the weight of the network is updated in the reverse direction. This enhances the networks ability of learning the internal data distribution of the image. A feature enhancement module is designed to further improve the quality of the generated results. The results of the evaluation experiments and visualization demonstrate that the proposed method can effectively improve the detailed features and image quality.
查看全文  查看/发表评论  下载PDF阅读器

你是第2811982访问者
版权所有《南京邮电大学学报(自然科学版)》编辑部
Tel:86-25-85866913 E-mail:xb@njupt.edu.cn
技术支持:本系统由北京勤云科技发展有限公司设计