模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (8): 760-767    DOI: 10.16451/j.cnki.issn1003-6059.202108009
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于双并行残差网络的遥感图像超分辨率重建
刘丛1, 王亚新1
1.上海理工大学 光电信息与计算机工程学院 上海 200093
Remote Sensing Image Super-Resolution Reconstruction Based on Dual-Parallel Residual Network
LIU Cong1, WANG Yaxin1
1. School of Optical-Electrical and Computer Engineering, University of Shanghai for Science and Technology, Shanghai 200093

全文: PDF (750 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 当面对目标地物尺寸差异性较大、复杂性较高的遥感图像时,图像超分辨率重建算法的重建效果较差.因此,文中提出双并行轻量级残差注意力网络,提高遥感图像重建效果.首先,提出多尺度浅层特征提取块,融合不同感受野的特征信息,解决遥感图像目标地物尺寸差异较大的问题.再设计基于非对称卷积和注意力机制的轻量级残差注意力块,既降低参数规模,又获取更多高频信息.然后,设计含有不同卷积核的并行网络框架,用于融合不同尺度的感受野.此外,多个残差块中使用跳跃连接融合不同阶段特征,增加信息复用性.最后,通过对比实验验证文中网络在遥感图像上具有较优的重建效果.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘丛
王亚新
关键词 遥感图像超分辨率重建并行网络轻量级非对称卷积    
Abstract:The image super-resolution reconstruction algorithm generates a poor effect for the remote sensing images due to different sizes of ground objects and high complexity in the images. Aiming at this problem, a dual-parallel lightweight residual attention network is proposed to increase the reconstruction result. Firstly, a multi-scale shallow feature extraction block(MFEB) is put forward to gain the feature information of different receptive field sizes. The problem of the ground objects with different sizes can be solved by MFEB. Secondly, a lightweight residual attention block(LRAB) is designed with asymmetric convolution and attention mechanism. And thus, the model parameters are reduced and more high-frequency information is captured. Then, the parallel network with different convolution kernels is designed to fuse different receptive fields. Besides, lots of skip connections are employed in residual blocks to increase the reusability of information. Finally, experiments show that the proposed model produces superior performance.
Key wordsRemote Sensing Image    Super-Resolution Reconstruction    Parallel Network    Lightweight    Asymmetric Convolution   
收稿日期: 2021-05-06     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61703278)资助
通讯作者: 刘 丛,博士,副教授,主要研究方向为计算智能、模式识别、图像处理.E-mail:congl2014@usst.edu.cn.   
作者简介: 王亚新,硕士研究生,主要研究方向为图像超分辨率重建.E-mail:1225729214@qq.com.
引用本文:   
刘丛, 王亚新. 基于双并行残差网络的遥感图像超分辨率重建[J]. 模式识别与人工智能, 2021, 34(8): 760-767. LIU Cong, WANG Yaxin. Remote Sensing Image Super-Resolution Reconstruction Based on Dual-Parallel Residual Network. , 2021, 34(8): 760-767.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202108009      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I8/760
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn