首页|残差密集结构的东巴画渐进式重建

残差密集结构的东巴画渐进式重建

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 东巴画具有内容丰富、线条疏密相间、色彩多样的独特艺术风格,将现有针对自然图像的超分辨率算法直接应用于低分辨率东巴画时,对东巴画线条、色块以及材质的重建效果不理想.为了有效提高东巴画数字图像分辨率,本文针对东巴画提出超分辨率重建方法.方法 首先,针对东巴画图像包含丰富高频信息的特点搭建重建网络,网络整体结构采用多级子网络级联方式渐进地重建出高分辨率东巴画,多级子网络标签共同指导重建,减少了东巴画图像在上采样过程中高频细节的丢失,每一级子网络内部均包含浅层特征提取模块和以残差密集结构为核心的深层特征提取模块,分别提取东巴画不同层次的特征进行融合,改善了卷积层简单的链式堆叠造成的特征丢失.其次,为了进一步提升重建东巴画的视觉质量,在像素损失的基础上引入感知损失和对抗损失进行对抗训练.最后,为了使网络对东巴画图像特征的学习更具针对性,本文自建东巴画数据集用于网络训练.结果 实验结果表明,在本文东巴画测试集set20上,当上采样因子为8时,相较于Bicubic(bicubic interpolation)、SRCNN(super-resolution convolutional neural network)、Srresnet(super-resolution residual network)和IMDN(information multi-distillation network)方法,本文算法的峰值信噪比分别增加了3.28 dB、1.80 dB、0.23 dB和0.36 dB,重建东巴画的主观视觉质量也得到了更好的结果.结论 本文提出的超分辨率网络模型能有效提高低分辨率东巴画的分辨率和清晰度,并且具有普适性,亦可采用其他数据集进行训练以拓展应用范围.
Gradual model reconstruction of Dongba painting based on residual dense structure

蒋梦洁、钱文华、徐丹、吴昊、柳春宇

展开 >

云南大学信息学院,昆明 650504

东巴画 超分辨率 渐进式重建 残差密集 对抗训练

国家自然科学基金云南省科技重大专项云南省中青年学术技术带头人后备人才项目云南省科技厅应用基础研究计划重点项目

62162065202002ADO080012019HB1212019FA044

2022

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2022.27(4)
  • 1
  • 2