현재 딥러닝 기반 이미지 초해상도 복원 방법의 매개변수 수가 많다는 문제에 대응하여, Deep Laplacian Pyramid Networks(LapSRN)를 기반으로 경량화된 라플라스 피라미드 이미지 초해상도 복원 컨볼루션 신경망을 제안한다. 먼저 입력된 저해상도 이미지(Low Resolution Image, LR)에서 얕은 특징을 추출한다. 다음으로, 파라미터 공유가 가능한 동질 스킵 연결을 갖는 재귀 블록 구조를 사용하여 얕은 특징에서 점차 더 깊은 특징을 추출하고 고주파 정보를 포함하는 잔차 이미지(Residual Image, RI)를 추론한다. 그리고 RI와 입력된 LR에 대해 전치 합성곱을 통한 업샘플링을 수행한 후, 두 결과를 픽셀 단위로 더하여 초해상도 이미지(Super Resolution Image, SR)를 얻는다. 이 방법은 세 가지 배율에서 전체 파라미터 수가 LapSRN의 3.98%에 불과하며, 화성 원격탐사 영상 4배 초해상도에서 피크 신호대잡음비(Peak Signal to Noise Ratio, PSNR)가 0.0313 dB, 8배 초해상도에서 PSNR이 0.1167 dB 향상되었다. 제안된 방법은 초해상도 복원 효과를 기본적으로 유지하면서 네트워크 파라미터를 2배에서 81.6%, 4배에서 90.8%, 8배에서 88.8% 줄였다.

경량화;컨볼루션 신경망;초해상도 복원;라플라스 이미지 피라미드