北京航空航天大学学报 ›› 2020, Vol. 46 ›› Issue (1): 189-197.doi: 10.13700/j.bh.1001-5965.2019.0146

• 论文 • 上一篇    下一篇

深度学习机制与小波融合的超分辨率重建算法

杨思晨1, 王华锋2, 王月海1, 李锦涛2, 王赟豪2   

  1. 1. 北方工业大学 信息学院, 北京 100144;
    2. 北京航空航天大学 软件学院, 北京 100083
  • 收稿日期:2019-04-03 发布日期:2020-01-21
  • 通讯作者: 王华锋 E-mail:wanghuafeng@buaa.edu.cn
  • 作者简介:杨思晨,女,硕士研究生。主要研究方向:图像处理;王华锋,男,博士,副教授,硕士生导师。主要研究方向:计算机视觉。

Super-resolution reconstruction algorithm based on deep learning mechanism and wavelet fusion

YANG Sichen1, WANG Huafeng2, WANG Yuehai1, LI Jintao2, WANG Yunhao2   

  1. 1. School of Information, North China University of Technology, Beijing 100144, China;
    2. School of Software, Beihang University, Beijing 100083, China
  • Received:2019-04-03 Published:2020-01-21

摘要: 深度学习技术在超分辨率重建领域中发展迅速。为了进一步提升重建图像的质量和视觉效果,针对基于生成对抗网络(GAN)的超分辨率重建算法重建图像的纹理放大后不自然的问题,提出了一种结合小波变换和生成对抗网络的超分辨率重建算法。所提算法在生成对抗网络中将小波分解的每个分量在各自独立的子网中进行训练,实现网络对小波系数的预测,有效地重建出具有丰富的全局信息和局部纹理细节信息的高分辨率图像。实验结果表明,对比基于生成对抗网络的算法,所提算法重建图像的客观评价指标峰值信噪比(PSNR)和结构相似性分别能提高至少0.99 dB和0.031。

关键词: 小波变换, 生成对抗网络(GAN), 超分辨率重建, 深度学习, 多分辨分析

Abstract: Deep learning technology has developed rapidly in the field of super-resolution reconstruction. In order to further improve the quality and visual effect of reconstructed images, this paper proposes a super-resolution reconstruction based on wavelet transform and generative adversarial networks (GAN) for the unnatural problem of texture reconstruction based on the super-resolution reconstruction algorithm of GAN. In this paper, each component of the wavelet decomposition in the GAN is trained in separate subnets to realize the prediction of wavelet coefficients by the network. Effectively reconstruct high-resolution images with rich global information and local texture details. The experimental results show that the peak signal-to-noise ratio (PSNR) and structural similarity of the objective evaluation index of the reconstructed image can be improved by at least 0.99 dB and 0.031, respectively, based on the algorithm of GAN.

Key words: wavelet transform, generative adversarial network (GAN), super-resolution reconstruction, deep learning, mult-iresolution analysis

中图分类号: 


版权所有 © 《北京航空航天大学学报》编辑部
通讯地址:北京市海淀区学院路37号 北京航空航天大学学报编辑部 邮编:100191 E-mail:jbuaa@buaa.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发