改进的基于卷积神经网络的图像超分辨率算法

针对现有的基于卷积神经网络的图像超分辨率算法参数较多、计算量较大、训练时间较长、图像纹理模糊等问题，结合现有的图像分类网络模型和视觉识别算法对其提出了改进。在原有的三层卷积神经网络中，调整卷积核大小，减少参数；加入池化层，降低维度，减少计算复杂度；提高学习率和输入子块的尺寸，减少训练消耗的时间；扩大图像训练库，使训练库提供的特征更加广泛和全面。实验结果表明，改进算法生成的网络模型取得了更佳的超分辨率结果，主观视觉效果和客观评价指标明显改善，图像清晰度和边缘锐度明显提高。