一种用于用于图像超分辨率的高效退化模型

最新推荐文章于 2024-11-13 17:24:18 发布

机器学习与优化算法

最新推荐文章于 2024-11-13 17:24:18 发布

阅读量692

点赞数 9

文章标签：人工智能深度学习图像处理

本文链接：https://blog.csdn.net/m0_59257547/article/details/140869260

版权

一种用于用于图像超分辨率的高效退化模型

摘要

为了增加数原始图像的退化丰富度，提高超分辨率网络的泛化能力，本文介绍了一种更加复杂但实用的退化模型，该模型包含随机排列的模糊、下采样和噪声退化等过程。

模糊通过两个卷积操作来近似，分别使用各向同性和各向异性的高斯核；
下采样则从最近邻、双线性以及双三次插值中随机选择；
噪声则通过添加不同水平的高斯噪声、采用不同质量因子的JPEG压缩以及通过反向-正向相机图像信号处理（ISP）管道模型和RAW图像噪声模型生成经过处理的相机传感器噪声等方式合成。

实验结果表明，新的退化模型能够显著提高深度超分辨器的实际应用能力，从而为现实世界中的SISR问题提供了一种强大的替代解决方案。
源码链接：BSRGAN

引言

单幅图像超分辨率（SISR）旨在从低分辨率（LR）图像重建出自然且细节丰富的高分辨率（HR）图像，近年来由于其高度的应用价值而引起了广泛的关注。随着深度学习技术的发展，各种基于深度学习的SISR方法已经取得了显著的进步。然而，这些方法的效果很大程度上取决于它们所假设的退化模型是否能够准确地反映真实世界的图像退化情况。