• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Automatic Control and Dynamic Optimization Techniques >Single image super-resolution based on deep learning and gradient transformation
【24h】

Single image super-resolution based on deep learning and gradient transformation

机译：基于深度学习和梯度变换的单图像超分辨率

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, an effective single image super-resolution method based on deep learning and gradient transformation is proposed. Firstly, the low-resolution image is upscaled by convolutional neural network. Then we calculate the gradients of the upscaled image, and transform them into desired gradients by using gradient transformation network. The transformed gradients are utilized as a constraint to establish the reconstruction energy function. Finally, we optimize this energy function to estimate the high-resolution image. Experimental results show that our proposed algorithm can produce sharp high-resolution images with few ringing or jaggy artifacts, and our results have high values of the objective assessment parameters.
机译：提出了一种基于深度学习和梯度变换的有效单图像超分辨率方法。首先，通过卷积神经网络对低分辨率图像进行放大。然后，我们计算出放大图像的梯度，并通过使用梯度转换网络将其转换为所需的梯度。变换后的梯度被用作建立重建能量函数的约束。最后，我们优化此能量函数以估计高分辨率图像。实验结果表明，本文提出的算法能够产生清晰的高分辨率图像，且没有明显的振铃或锯齿状伪影，并且具有较高的客观评估参数值。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号