论文部分内容阅读
卷积神经网络(CNN)在单幅图像超分辨率重构中存在网络结构较浅、可提取特征较少和细节重构效果不显著等问题。为此,提出一种基于多通道极深CNN的图像超分辨率算法,分别对原始低分辨率图像进行3种插值和3种锐化等预处理操作,并以多通道图像作为CNN的输入层数据。通过重新调整卷积核大小以加深网络结构,使得输入层数据在极深的CNN模型中训练重构高分辨率图像。实验结果表明,与Bicubic、SRCNN和MC-SRCNN等算法相比,该算法的峰值信噪比和视觉效果均较好。