关键词: 图像超分辨率重建, 卷积神经网络, 残差学习, 多尺度特征

摘要：

基于卷积神经网络（CNN）的超分辨率重建方法面临着感受野小、特征提取尺度单一、梯度信息消失等问题。为了解决这些问题，提出了一种基于多尺度残差网络的单图像超分辨率重建方法，通过多尺度特征提取和特征信息融合，解决了图像特征提取不足的问题。局部剩余学习和全局剩余学习的结合提高了信息流的效率，大大减少了梯度消失现象。在Set5、Set14和BSD100等常用测试集上进行了实验，该方法的实验结果高于五种比较方法的结果。与SRCNN相比，平均PSNR提高了0.74dB，平均SSIM提高了0.0143dB。与VDSR相比，平均PSNR提高了0.12dB，平均SSIM提高了0.0025dB。

关键词： 超分辨率重建， 卷积神经网络（CNN）， 残差学习， 多尺度特征