摘要
最新的深度学习方法在各种图像恢复任务中表现优于当前最先进的信号处理方法。然而，如果图像包含许多模式和结构，这些卷积神经网络（CNN）的性能仍然较差。为了解决这一问题，本文提出了一种新颖的特征空间深度残差学习算法，该算法在性能上超越了现有的残差学习方法。主要思想源于观察到，如果通过解析映射将输入和/或标签流形在特征空间中变得拓扑上更简单，则学习算法的性能可以得到提升。我们通过去噪实验和NTIRE单幅图像超分辨率（SISR）竞赛进行了广泛的数值研究，结果表明所提出的特征空间残差学习方法优于现有的最先进方法。此外，我们的算法在NTIRE竞赛中排名第三，计算时间比排名第一的团队快5-10倍。源代码可在以下页面获取：https://github.com/iorism/CNN.git