图像超分辨 BP 神经网络的改进

为了进一步提高超分辨图像重建效果，针对前期研究的超分辨误差反向传播神经网络（back propa-gation neural network，BPNN）重建结果中存在的块痕迹问题加以改进和优化。对影响 BPNN 超分辨效果的两个关键问题进行改进：（1）网络训练样本问题，将8×8→16×16的映射方式改进为2×2→4×4的映射方式，同时，采用相邻仅间隔一个像素的方式优化构造训练样本；（2）加速网络训练收敛问题，将网络训练规则由 BP 算法改进为改进的比例共轭梯度算法。网络训练实验和泛化实验表明，改进方法增加了网络训练样本数量，改善了超分辨BPNN 的输出图像质量，有效解决了超分辨结果中的块痕迹问题，使超分辨结果图像的峰值信噪比提高约8 dB。