既存の単一画像超解像再構成アルゴリズムが抽出する画像特徴情報が単一であり、高周波詳細が失われる問題に対して、マルチスケール密集特徴融合ネットワークに基づく効率的な画像超解像再構成アルゴリズムを提案した。本手法は、異なるスケールの畳み込み核を含むマルチスケール特徴融合残差モジュールを通じて異なるスケールの画像特徴を抽出し、それらを融合して豊富な画像特徴を抽出する。モジュール間には密集特徴融合構造を用いて、異なるモジュールで抽出された特徴情報を十分に融合し、画像の高周波詳細をより良く保持し、より優れた視覚的感覚を得る。多数の実験により、提案手法はパラメータ数を削減しながら、4つのベンチマークデータセットでピーク信号対雑音比と構造類似度が明らかに向上し、特にSet5データセットの4倍再構成結果においては、DID-D5に対しピーク信号対雑音比が0.08 dB向上し、再構成画像の視覚効果が良好で特徴情報がより豊富であることから、本アルゴリズムの有効性が十分に証明された。

超解像;マルチスケール;密集特徴融合;畳み込みニューラルネットワーク;残差学習