用于超分辨率重建的深度网络递进学习方法

本文针对深度学习在单幅图像超分辨率方面难以恢复高频纹理细节的问题,提出了一种基于递进学习的超分辨率算法.该算法首先采用灰度共生矩阵提取图像纹理特征,然后利用基于密度峰值的聚类方法实现对整个训练集的分类,其中每个训练子集具有相似的纹理复杂度.针对传统的递进学习方法会出现对已掌握知识"遗忘"的问题,本文根据网络模型在各个训练子集上的拟合情况,实时调整当前训练样本在各个子集上的概率分布,从而实现快速收敛,并获得更好的纹理细节复原效果.将本文提出的递进学习用于DRCN、VDSR、SRCNN等超分辨率网络的训练,实验结果表明超分辨率网络收敛速度得到提升,同时网络对复杂纹理等细节较多的...

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 46; no. 2; pp. 274 - 282
Main Authors 张毅锋, 刘袁, 蒋程, 程旭
Format Journal Article
LanguageChinese
Published 计算机软件新技术国家重点实验室(南京大学) 南京 210093%东南大学信息科学与工程学院 南京 210096%南京信息工程大学计算机与软件学院 南京 210044 01.02.2020
东南大学信息科学与工程学院 南京 210096
东南大学南京通信技术研究院 南京 211100
Subjects
超分辨率
密度峰值
递进学习
共生矩阵
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.2018.c180158

Cover

Abstract 本文针对深度学习在单幅图像超分辨率方面难以恢复高频纹理细节的问题,提出了一种基于递进学习的超分辨率算法.该算法首先采用灰度共生矩阵提取图像纹理特征,然后利用基于密度峰值的聚类方法实现对整个训练集的分类,其中每个训练子集具有相似的纹理复杂度.针对传统的递进学习方法会出现对已掌握知识"遗忘"的问题,本文根据网络模型在各个训练子集上的拟合情况,实时调整当前训练样本在各个子集上的概率分布,从而实现快速收敛,并获得更好的纹理细节复原效果.将本文提出的递进学习用于DRCN、VDSR、SRCNN等超分辨率网络的训练,实验结果表明超分辨率网络收敛速度得到提升,同时网络对复杂纹理等细节较多的图像也获得了较好的视觉恢复效果,峰值信噪比则平均获得0.158 dB、0.18 dB、0.092 dB的提升.
AbstractList 本文针对深度学习在单幅图像超分辨率方面难以恢复高频纹理细节的问题,提出了一种基于递进学习的超分辨率算法.该算法首先采用灰度共生矩阵提取图像纹理特征,然后利用基于密度峰值的聚类方法实现对整个训练集的分类,其中每个训练子集具有相似的纹理复杂度.针对传统的递进学习方法会出现对已掌握知识"遗忘"的问题,本文根据网络模型在各个训练子集上的拟合情况,实时调整当前训练样本在各个子集上的概率分布,从而实现快速收敛,并获得更好的纹理细节复原效果.将本文提出的递进学习用于DRCN、VDSR、SRCNN等超分辨率网络的训练,实验结果表明超分辨率网络收敛速度得到提升,同时网络对复杂纹理等细节较多的图像也获得了较好的视觉恢复效果,峰值信噪比则平均获得0.158 dB、0.18 dB、0.092 dB的提升.
Author 蒋程
刘袁
张毅锋
程旭
AuthorAffiliation 东南大学信息科学与工程学院 南京 210096;东南大学南京通信技术研究院 南京 211100;计算机软件新技术国家重点实验室(南京大学) 南京 210093%东南大学信息科学与工程学院 南京 210096%南京信息工程大学计算机与软件学院 南京 210044
AuthorAffiliation_xml – name: 东南大学信息科学与工程学院 南京 210096;东南大学南京通信技术研究院 南京 211100;计算机软件新技术国家重点实验室(南京大学) 南京 210093%东南大学信息科学与工程学院 南京 210096%南京信息工程大学计算机与软件学院 南京 210044
Author_FL LIU Yuan
ZHANG Yi-Feng
JIANG Cheng
CHENG Xu
Author_FL_xml – sequence: 1
  fullname: ZHANG Yi-Feng
– sequence: 2
  fullname: LIU Yuan
– sequence: 3
  fullname: JIANG Cheng
– sequence: 4
  fullname: CHENG Xu
Author_xml – sequence: 1
  fullname: 张毅锋
– sequence: 2
  fullname: 刘袁
– sequence: 3
  fullname: 蒋程
– sequence: 4
  fullname: 程旭
BookMark eNotjbtKA0EUQKeIYIz5Anu7Xe-d2ZmdLSX4goCN1mEeu2qQDbiIYmWhxsZARC3UwiqksRBByQb1Z7KP_IWKwoHTnTNHKnEnDglZQHBRMMmW2q5SiUsBpWtQAnJZIVWg3HM85GKW1JNkTwMgAg0QqyQoboaTtFe-nWeXF-XnsOh1p92rbJwW92f5-0uWDoqPfjF-nJ5el18P2fNgMnrK70b56-08mYnUfhLW_10j26srW411p7m5ttFYbjoJAgqHWc8EqHwbUA7Wpz6C1YZ7odAaaKSEYSZSYE0ouR8owUBxa6RQhjHNeMhqZPGve6TiSMU7rXbn8CD-ObZO7O6xpkDhF8G-Ad7QX_U
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.16383/j.aas.2018.c180158
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Engineering
DocumentTitle_FL A Curriculum Learning Approach for Single Image Super Resolution
EndPage 282
ExternalDocumentID zdhxb202002006
GrantInformation_xml – fundername: 国家自然科学基金; 江苏省自然科学基金; 北京大学机器感知与智能教育部重点实验室开放课题; 东南大学水声信号处理教育部重点实验室开放项目
  funderid: (61673108,61802058); (BK20151102); (K-2016-03); (UASP1502)
GroupedDBID --K
-0Y
.~1
0R~
1B1
1~.
1~5
2B.
4.4
457
4A8
4G.
5GY
5VS
5XA
5XJ
7-5
71M
8P~
92H
92I
93N
AAIKJ
AALRI
AAQFI
AAXUO
ABJNI
ABWVN
ACGFS
ACRPL
ADEZE
ADNMO
ADTZH
AECPX
AEKER
AFTJW
AGHFR
AGYEJ
AITUG
ALMA_UNASSIGNED_HOLDINGS
BLXMC
CCEZO
CS3
CUBFJ
CW9
EBS
EJD
EO8
EO9
EP2
EP3
FDB
FEDTE
FNPLU
GBLVA
HVGLF
HZ~
IHE
J1W
JJJVA
M41
MO0
N9A
O-L
O9-
OAUVE
OZT
P-8
P-9
P2P
PC.
PSX
Q38
ROL
RPZ
SDF
SDG
SES
TCJ
TGT
U1G
U5S
ID FETCH-LOGICAL-s1016-3d4c91a7d9250d72710dbc54e6bb02fa6c3cfa0dce8579a630a5dc86ac33b35e3
ISSN 0254-4156
IngestDate Thu May 29 04:10:30 EDT 2025
IsPeerReviewed true
IsScholarly true
Issue 2
Keywords 超分辨率
密度峰值
递进学习
共生矩阵
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1016-3d4c91a7d9250d72710dbc54e6bb02fa6c3cfa0dce8579a630a5dc86ac33b35e3
PageCount 9
ParticipantIDs wanfang_journals_zdhxb202002006
PublicationCentury 2000
PublicationDate 2020-02-01
PublicationDateYYYYMMDD 2020-02-01
PublicationDate_xml – month: 02
  year: 2020
  text: 2020-02-01
  day: 01
PublicationDecade 2020
PublicationTitle 自动化学报
PublicationTitle_FL Acta Automatica Sinica
PublicationYear 2020
Publisher 计算机软件新技术国家重点实验室(南京大学) 南京 210093%东南大学信息科学与工程学院 南京 210096%南京信息工程大学计算机与软件学院 南京 210044
东南大学信息科学与工程学院 南京 210096
东南大学南京通信技术研究院 南京 211100
Publisher_xml – name: 东南大学南京通信技术研究院 南京 211100
– name: 东南大学信息科学与工程学院 南京 210096
– name: 计算机软件新技术国家重点实验室(南京大学) 南京 210093%东南大学信息科学与工程学院 南京 210096%南京信息工程大学计算机与软件学院 南京 210044
SSID ssib001102911
ssib006576350
ssib051375349
ssib007293330
ssj0059721
ssib007290157
ssib023646446
ssib005904210
Score 2.3267312
Snippet ...
SourceID wanfang
SourceType Aggregation Database
StartPage 274
Title 用于超分辨率重建的深度网络递进学习方法
URI https://d.wanfangdata.com.cn/periodical/zdhxb202002006
Volume 46
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR27bhQxcBUlDRSIp3iTAldow-567bVL790eEQKqBKWL9nFHaA6JJBJKRQGEhkggoAAKqigNBUICJRHwMeRyyV8wM-vcbXIBQhrLa4_H87DWMyN77DhXo6AJG08YuVEWCjfENIS6UNKFnYiDBevnPMALzrfvyPHJ8OaUmBoa_lU5tTQ_l43lC_veKzmMVqEN9Iq3ZP9Dsz2k0AB10C-UoGEoD6RjlkRMh8woloQsNkwlLFEslkwJlgimFFOSWhKCiRAAnP9EY6nqCBPHOBDxwPCQJZLFEYt96jLMSOyK60z7VImZrtFwj-mAMDeYjhHY1AkYyNDMeIhHS6wjQs7KFy53jGAcCAQYQ0Qaog0qNRzSRyWpS-ysCKKoZnGbBrGokXsVV0GAZ61wAhMw5fd7FBKsYuQCpquOsQ1EMtTr1TgIOL3erjMlhBmkSeKACozAcTUSokJJAWkohRjVYKXgWWaUZ4ERRqDgYtIB4EHgnlagDEh21KUT7AJhgYDKFhOCW0DM1okA0r0pe2E1RH0hYshnAO4a-N-U3UtQkyKd9oAGcCBMgzgGJnyiPUIA7e-GUbT8BK4fIypi7cGAtoCP4I8USaJokKvB-fedZA_Vf9FTj9hBhR2U2DKbqN1BAxG6GKGobvc24n2_EnWxe3f5XJQ1A4PyTawBCwP2K04mRppitn9fjeU-WHnl-wN7UrcvFDOPMlyrXvkswEgQRXiWZORGfOuu6XstYOTryjYrNOykFatcCswa2f-O8OxD5bACfHPejwLgkxCyEuURPo8ExyhLaaAKTNhFoWcrHZuMDTm7PsgX3WZst9L2vYrhPXHcOWY95lFT_v5OOEMLMyedo5U8qqcc3X29srG2tPX1aef5s60fK92lxe3FF531te67J5vfPnfWlrvfX3bXP2w_frX1833n0_LG6sfNt6ubX96cdiYbyURt3LVvwrizGGd0eRHm2k-jQoPvVoDz5XtFlouwKTPgvJXKnOet1CvwNeZIp5J7qShyJdOc84yLJj_jDLcftJtnnVHOw6KF_lxLNsNc6RSdxWYmPZ4FgVbynHPFMj5t__mz07s1ev6fEBecI_1_1UVneO7hfPMSeDFz2WW7Cn4DG6XjGQ
linkProvider Elsevier
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E7%94%A8%E4%BA%8E%E8%B6%85%E5%88%86%E8%BE%A8%E7%8E%87%E9%87%8D%E5%BB%BA%E7%9A%84%E6%B7%B1%E5%BA%A6%E7%BD%91%E7%BB%9C%E9%80%92%E8%BF%9B%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95&rft.jtitle=%E8%87%AA%E5%8A%A8%E5%8C%96%E5%AD%A6%E6%8A%A5&rft.au=%E5%BC%A0%E6%AF%85%E9%94%8B&rft.au=%E5%88%98%E8%A2%81&rft.au=%E8%92%8B%E7%A8%8B&rft.au=%E7%A8%8B%E6%97%AD&rft.date=2020-02-01&rft.pub=%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%BD%AF%E4%BB%B6%E6%96%B0%E6%8A%80%E6%9C%AF%E5%9B%BD%E5%AE%B6%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%28%E5%8D%97%E4%BA%AC%E5%A4%A7%E5%AD%A6%29+%E5%8D%97%E4%BA%AC+210093%25%E4%B8%9C%E5%8D%97%E5%A4%A7%E5%AD%A6%E4%BF%A1%E6%81%AF%E7%A7%91%E5%AD%A6%E4%B8%8E%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2+%E5%8D%97%E4%BA%AC+210096%25%E5%8D%97%E4%BA%AC%E4%BF%A1%E6%81%AF%E5%B7%A5%E7%A8%8B%E5%A4%A7%E5%AD%A6%E8%AE%A1%E7%AE%97%E6%9C%BA%E4%B8%8E%E8%BD%AF%E4%BB%B6%E5%AD%A6%E9%99%A2+%E5%8D%97%E4%BA%AC+210044&rft.issn=0254-4156&rft.volume=46&rft.issue=2&rft.spage=274&rft.epage=282&rft_id=info:doi/10.16383%2Fj.aas.2018.c180158&rft.externalDocID=zdhxb202002006
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fzdhxb%2Fzdhxb.jpg