技术总结
本发明公开了一种基于层次化残差神经网络的图像超分辨率方法，采用层次化残差学习策略和双域增强模块，构建层次化残差神经网络模型，将其用于学习低分辨率和高分辨率图像之间的复杂映射关系，然后利用训练好的网络模型从输入的低分辨率图像重建出高分辨率图像；所述的层次化残差神经网络模型由特征提取层、特征映射层和特征融合层组成，其中，特征提取层由卷积模块构成，特征映射层由多个双域增强模块级联构成，特征融合层由上采样模块和卷积模块构成。该方法能够重建出更好的高分辨率图像，并且具备网络模型参数量较小和计算效率高的优点。
技术研发人员：章勇勤;秦雪珂;姬利;艾娜;祝轩;张二磊;彭进业;李斌;李展;罗迒哉;赵万青
受保护的技术使用者：西北大学
技术研发日：2019.08.28
技术公布日：2020.01.17