设计应用

基于帧循环网络的视频超分辨率技术

作者：刘 佳，安鹤男，李 蔚，张昌林，涂志伟
发布日期：2020-09-16
来源：2020年电子技术应用第9期

0 引言

    在现存硬件技术的基础上，通过现存图像序列或视频相邻进帧之间的时空信息互补，将低分辨率的图像序列或者视频重构为高分辨率的图像序列或视频，一直是数字图像处理领域内的一个重要分支。最初的视频超分辨被认为是图像超分辨领域的简单扩展，但是这些基于单张图片的超分辨技术不能提取视频相邻帧之间的互补信息和存在视频中的动作位移。由于评价函数的关系，这些技术处理完成的视频会导致伪影，观看感觉不连续。基于帧循环网络的视频超分辨方法正是针对上述问题提出，并在公开数据集上验证了模型的有效性。

    图像超分辨不仅可以生成高质量的图像，还可以用作目标检测[1]、人脸识别[2]等任务的预处理步骤。深度学习方法的引入为图像超分辨领域带来新的发展[3]。

    相比于单幅图像超分辨，视频超分辨可分为对齐、融合、重建3个步骤。对齐网络的结果会直接影响融合网络与重建网络的效果。早期，基于深度学习的视频超分辨方法[4]参考相邻视频帧之间的光流场扭曲邻居帧从而达到对齐的目的。然而，Xue Tianfan等人[5]指出基于光流场的对齐方法并非视频超分辨的最优解，提出基于任务流的视频超分辨率方法；JO Y H等人[6]提出了隐式运动补偿的方法规避流场的计算。




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000002978




作者信息:

刘  佳，安鹤男，李  蔚，张昌林，涂志伟

(深圳大学 电子与信息工程学院，广东 深圳518061)

此内容为AET网站原创，未经授权禁止转载。
视频 超分辨 深度学习

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map