文献类型：期刊文章

作　　者：肖进胜[1,2] 刘恩雨[1] 朱力[1] 雷俊锋[1]

机构地区：[1]武汉大学电子信息学院,湖北武汉430072 [2]地球空间信息技术协同创新中心,湖北武汉430079

出　　处：《光学学报》

基　　金：国家自然科学基金(61471272);湖北省自然科学基金(2016CFB499)

年　　份：2017

卷　　号：37

期　　号：3

起止页码：96-104

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20171603576233)、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对现有的基于卷积神经网络的图像超分辨率算法参数较多、计算量较大、训练时间较长、图像纹理模糊等问题,结合现有的图像分类网络模型和视觉识别算法对其提出了改进。在原有的三层卷积神经网络中,调整卷积核大小,减少参数;加入池化层,降低维度,减少计算复杂度;提高学习率和输入子块的尺寸,减少训练消耗的时间;扩大图像训练库,使训练库提供的特征更加广泛和全面。实验结果表明,改进算法生成的网络模型取得了更佳的超分辨率结果,主观视觉效果和客观评价指标明显改善,图像清晰度和边缘锐度明显提高。

关 键 词：显微  图像超分辨率 深度学习  卷积神经网络 卷积核参数  

分 类 号：TN911.73]