基于相邻像素差分关系的单图像超分辨率重建
计算机视觉与模式识别
2022-12-29 v1 机器学习
图像与视频处理
摘要
深度学习技术被用于提升单图像超分辨率 (SISR) 的性能。然而，大多数现有基于 CNN 的 SISR 方法主要关注建立更深或更大的网络以提取更显著的高层特征。通常，使用目标高分辨率图像与估计图像之间的像素级损失，但图像中像素间的邻域关系很少被利用。另一方面，根据观察，像素的邻域关系包含丰富的空间结构、局部上下文与结构知识信息。基于这一事实，本文中我们从不同视角利用像素的邻域关系，并提出利用相邻像素的差分关系，通过从估计图像与真值图像构建图来正则化 CNN。所提方法在基准数据集的定量与定性评估上优于当前最优方法。关键词：超分辨率，卷积神经网络，深度学习
引用
@article{arxiv.2212.13730,
title = {Single-Image Super-Resolution Reconstruction based on the Differences of Neighboring Pixels},
author = {Huipeng Zheng and Lukman Hakim and Takio Kurita and Junichi Miyao},
journal= {arXiv preprint arXiv:2212.13730},
year = {2022}
}