通过伪影去除与分辨率增强的并行串联集成实现压缩图像超分辨率
图像与视频处理
2022-11-23 v4 计算机视觉与模式识别
摘要
在社交媒体平台分享照片等现实应用中，图像不仅被下采样，还常被重度压缩，因而常含各类伪影。对此类图像简单提升分辨率会加剧伪影，使其在视觉上令人不适。尽管实用价值很高，压缩图像超分辨率在文献中却鲜有研究。本文提出一种新颖的压缩图像超分辨率（CISR）框架，基于伪影去除与分辨率增强的并行与串联集成。依据从下采样且压缩的观测中估计干净低分辨率（LR）图像与干净高分辨率（HR）图像的数学推断模型，我们设计了由伪影去除模块（ARM）与分辨率增强模块（REM）两个深度神经网络模块构成的 CISR 架构。ARM 与 REM 并行工作，均以压缩 LR 图像为输入；同时它们也串联工作，REM 将 ARM 的输出作为其输入之一，ARM 将 REM 的输出作为其另一输入。我们引入称为展开（unfolding）的技术以递归抑制压缩伪影并恢复图像分辨率。本 CISR 系统的一大特点是利用 ARM 与 REM 间的并行串联连接及递归优化，从而降低模型对特定退化类型的依赖，使得训练单一模型即可超分辨率化由不同方法压缩至不同质量的图像。代码与数据集见 https://github.com/luohongming/CISR_PSI.git
引用
@article{arxiv.2103.01698,
title = {Super-resolving Compressed Images via Parallel and Series Integration of Artifact Reduction and Resolution Enhancement},
author = {Hongming Luo and Fei Zhou and Guangsen Liao and Guoping Qiu},
journal= {arXiv preprint arXiv:2103.01698},
year = {2022}
}
备注
This paper have been accepted by Elsevier Signal Processing