CRNet：基于卷积稀疏编码启发的图像超分辨率网络
图像与视频处理
2019-08-06 v1 计算机视觉与模式识别
摘要
卷积稀疏编码（CSC）近年来受到越来越多的关注，因其能充分利用图像全局相关性来提升多种计算机视觉应用的性能。然而，极少有研究关注基于 CSC 的图像超分辨率（SR）问题。因此，该领域在一段时间内未取得显著进展。在本文中，我们利用 CSC 与卷积神经网络（CNN）之间的天然联系来解决基于 CSC 的图像 SR 问题。具体而言，引入卷积迭代软阈值算法（CISTA）求解 CSC 问题，并可借助 CNN 架构实现。随后，我们借鉴传统基于 SC 的 SR 方法，提出了一种新颖的基于 CSC 的 SR 框架。基于该框架分别提出了两种用于上采样前与上采样后 SR 的模型。与近期最先进的 SR 方法相比，我们所提出的两种模型在定量与定性指标上均展现出更优的性能。
引用
@article{arxiv.1908.01166,
title = {CRNet: Image Super-Resolution Using A Convolutional Sparse Coding Inspired Network},
author = {Menglei Zhang and Zhou Liu and Lei Yu},
journal= {arXiv preprint arXiv:1908.01166},
year = {2019}
}
备注
10 pages, 12 figures, 3 tables