首页期刊导航|天津科技大学学报
期刊信息/Journal information
天津科技大学学报
天津科技大学
天津科技大学学报

天津科技大学

王学魁

双月刊

1672-6510

tjkdxb@tust.edu.cn

022-60273316/4470

300222

天津市河西区大沽南路1038号

天津科技大学学报/Journal Journal of Tianjing University of Science & Technology北大核心CSTPCD
查看更多>>天津科技大学学报是经国家科技部、国家新闻出版署批准，由天津市教育委员会主管，天津科技大学主办的公开发行的自然科学学术期刊。本刊创刊于1986年，其前身是《天津轻工业学院学报》，由于主办单位的更名，经主管部门批准，从2004年更名为《天津科技大学学报》，刊期为季刊。主要刊登轻工技术与工程，食品工程与生物技术，材料科学与化学工程，机械及自动化、海洋科学与工程等学科的理论及应用的研究论文、研究报告。
正式出版
收录年代

    基于对比学习的深度残差网络图像超分辨率方法

    陈亚瑞徐肖阳
    72-80页
    查看更多>>摘要：传统的基于对比学习的图像超分辨率方法,一般将原始图像作为正样本,将退化图像或其他类图像作为负样本,存在对纹理细节恢复差的问题.本文提出基于对比学习的深度残差网络图像超分辨率(depth residual image super-resolution based on contrast learning,CEDSR)方法,针对残差超分辨率模型,采用对高分辨率图像锐化后的图像作为正样本,对高分辨率图像轻微模糊的图像作为负样本,利用正负样本下的对比损失提升对纹理细节的恢复增强.增强锐化后的正样本图像携带更丰富的纹理信息,基于不同函数生成的模糊负样本图像刻画了纹理模糊特征,正负样本构建的对比损失有利于图像超分辨率图像对纹理细节的恢复.本文模型在 4 个标准数据集 DIV2K、Set14、BSDS100 和Urban100 上与经典算法进行实验对比,定性和定量实验结果均表明本文模型可以获得效果更好的超分辨率图像.

    图像超分辨率对比学习残差网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    《天津科技大学学报》征稿简则

    封3页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据