基于多尺度递归网络的图像超分辨率重建 - 中国知网 (cnki.net)
近 年 来，基 于 学 习 的 方 法［９－１１］备 受 关 注， Freeman等［１２]提 出了基于样例学习的超分辨率算 法，率先指出在图像局部空间邻域中存在大量的自相似块；Ｙａｎｇ等［１３］利用稀疏编码理论，构建高低分 辨率图像字典，通过学习字典之间的映射关系重构 ＨＲ图像。
目前大多网络模型都只在单一尺度下提取 图像特征，忽略了不同尺度下的图像细节信息。
为了解决这一问题，本文提出一种多尺度递归 网络模型，该模型利用多尺度特征提取单元，递归提取并映射图像特征信息，然后采用亚像素卷积的方 式对特征图进行重新排列，重建HR图像。网络训 练使用 Ａｄａｍ（自适应 矩估计）优化方法来加速模型 的收敛。卷积操作在边界零填充的前提下进行，高 质量地恢复了图像的纹理信息，增强了重建图像的视觉效果。