黑龙江大学自然科学学报

2020, v.37(03) 372-378

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进的残差卷积神经网络遥感图像超分辨重建
An improved remote sensing images super-resolution method based on residual convolution neural network

柏宇阳;朱福珍;

摘要(Abstract):

为了提高遥感图像超分辨效果,对深度超分辨(Very deep super-resolution, VDSR)算法进行了深入研究,提出了一种改进的残差卷积神经网络超分辨算法。在VDSR基础上,将神经网络的卷积层数目由20层增加到24层,改进激活函数为PReLU函数,并以80 000张遥感图像作为训练集,训练迭代次数到40 000次网络收敛,最终针对遥感图像进行了超分辨的网络训练。结果表明,与当前较先进的VDSR算法相比,重建结果图像中的细节信息明显增多, PSNR提高0.45 dB,SSIM提高0.023。

关键词(KeyWords): 遥感图像;超分辨率;残差网络;深度学习

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(61601174);; 黑龙江省博士后科研启动金资助项目(LBH-Q17150);; 黑龙江省普通高等学校电子工程重点实验室(黑龙江大学)开放课题资助及省高校科技创新团队资助项目(2012TD007);; 黑龙江省省属高等学校基本科研业务费基础研究项目(KJCXZD201703);; 黑龙江省自然科学基金资助项目(F2018026)

作者(Author): 柏宇阳;朱福珍;

Email:

DOI: 10.13482/j.issn1001-7011.2019.12.035

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享