软件学报

作者：刘宇男，张姗姗，王春鹏，李广宇，杨健

单位：刘宇男，南京理工大学 计算机科学与工程学院, 江苏 南京 21009411,张姗姗，南京理工大学 计算机科学与工程学院, 江苏 南京 21009402,王春鹏，齐鲁工业大学 计算机科学与技术学院, 山东 济南 25035303,李广宇，南京理工大学 计算机科学与工程学院, 江苏 南京 21009404,杨健，南京理工大学 计算机科学与工程学院, 江苏 南京 21009405

关键词：图像去噪;超分辨率;JPEG解压缩;轮廓波变换;级联密集型卷积神经网络

基金：国家自然科学基金（61702262，61861136011，61802212，U1713208）；长江学者计划；江苏省自然科学基金（BK2018 1299）；中央高校基本科研专项基金（30918011322）；中国科学技术协会青年人才托举工程（2018QNRC001）；并行与分布式处理实验室科学技术开放基金（WDZC20195500106）

近年来，卷积神经网络凭借极强的学习能力，在图像复原任务上实现了比传统学习方法更令人满意的结果.但是，由于丢失了重要的纹理细节，这些基于卷积神经网络的方法普遍存在着复原图像过度平滑的缺点.为解决该问题，提出一种基于级联密集型卷积神经网络的轮廓波域图像复原方法，可以应用于单幅图像去噪、超分辨率及JPEG解压缩这3个经典图像复原任务.首先，构建了一种紧凑的级联密集型网络结构，不但可以充分挖掘和利用不同层次的图像特征，而且解决了由于网络加深带来的长期依赖问题.接着，引入可以稀疏表示图像重要特征的轮廓波变换，分别将低质量图像和重建图像对应的轮廓波子带作为网络的输入和输出，更加有效地恢复出逼真的结构和纹理细节.在标准测试集的实验表明：提出的方法在3个图像复原任务上达到了当前最优的性能，不但获得了更高的峰值信噪比和结构相似度，而且在主观的重建图像中包含了更加真实的纹理细节.

来源：2020年第12期

《软件学报》期刊编辑部

查看软件学报杂志2020年第12期