基于CNN与ELM的二次超分辨率重构方法研究
文献类型：期刊论文
| 作者 | 张静; 陈益强; 纪雯
|
| 刊名 | 计算机学报
 |
| 出版日期 | 2018 |
| 卷号 | 41.0期号:011页码:2581 |
| 关键词 | 超分辨率重构 深度学习 图像处理 卷积神经网络 极限学习机 |
| ISSN号 | 0254-4164 |
| 英文摘要 | 为了实现将低分辨率图像重构为高分辨率图像,弥补高、低分辨率图像间信息损失,文中提出了卷积神经网络与极限学习机结合的二次超分辨率重构方法.首先通过基于深度学习的超分辨率重构优化方法,快速训练端对端的卷积神经网络重构模型,学习结构化的图像信息;然后采用像素级的特征提取,并采用极限学习机模型对图像进行高频分量的补充,通过二次重构获得具有更好视觉效果的高分辨率图像.实验结果表明,文中的优化方法将原有卷积神经网络重构模型的训练效率提高了3个数量级,重构效果在主观和客观评估中均优于当前代表性的超分辨率重构方法. |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/28848]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 张静,陈益强,纪雯. 基于CNN与ELM的二次超分辨率重构方法研究[J]. 计算机学报,2018,41.0(011):2581. |
| APA | 张静,陈益强,&纪雯.(2018).基于CNN与ELM的二次超分辨率重构方法研究.计算机学报,41.0(011),2581. |
| MLA | 张静,et al."基于CNN与ELM的二次超分辨率重构方法研究".计算机学报 41.0.011(2018):2581. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。