[发明专利]快速轻型超分辨率重建密集残差网络

摘要

快速轻型超分辨率重建密集残差网络，基于卷积网络的双通道深度残差网络（FLSR），深通道的主要作用是学习图像的高频纹理信息，浅通道学习图像的低频信息。为加快网络的收敛速度，结构中加入了残差连接方式，此外残差连接可以直接将前面卷积层的图像细节信息传递到后面的卷积层，有利于重建质量更好的图像；结构中还采用了有助于减弱梯度消失，提高模型性能的密集连接方式。在提高峰值信噪比（PSNR）、结构相似性(SSIM)和信息保真度标准度量(IFC)等图像质量评价指标的同时降低模型的参数和计算复杂度，提高图像的重建速度，使其能够在实际生活中应用。

主权项

1.快速轻型超分辨率重建密集残差网络，其特征在于：整个FLSR结构中没有池化层和全连接层，只有卷积层和反卷积层；该结构由一个3层的浅通道和一个29层的深通道构成，在整个网络的末端通过一个卷积层将深浅通道的重建信息进行融合得到HR；浅通道主要用于恢复图像的整体轮廓，保留图像的原始信息，深通道主要作用是学习图像的高频纹理信息，它包括特征提取层、非线性映射层、上采样层和多尺度重建层四个部分；首先，在特征提取阶段，深通道采用密集和残差交替连接的方式，可以加快网络的收敛速度；其次，整个网络直接使用反卷积对图像进行上采样，避免了图像的预处理过程，可以减少整个网络进行超分重建的复杂性，使得网络可以更加有效的训练；最后，在重建阶段，深通道采用多尺度重建的方式，可以同时提取短和长的纹理信息进行图像重建；此外FLSR的增强模型FLSR‑G在特征提取阶段结合了群卷积，在保持结果在同一水平的情况下，大大降低了网络的参数和计算复杂度。