摘要
卷积神经网络最近在单图像超分辨率重建中展示了高质量的效果。本文提出了一种拉普拉斯金字塔超分辨率网络（LapSRN），用于逐步重建高分辨率图像的子带残差。在每个金字塔层级，我们的模型以低分辨率特征图作为输入，预测高频残差，并使用转置卷积进行上采样到更高一级。我们的方法不需要预处理步骤中的双三次插值，因此显著降低了计算复杂度。我们使用鲁棒的查尔邦尼耶损失函数对提出的LapSRN进行深度监督训练，实现了高质量的重建效果。此外，通过逐步重建，我们的网络在一个前向传递过程中生成多尺度预测，从而有利于资源感知型应用。在基准数据集上的广泛定量和定性评估表明，所提出的算法在速度和准确性方面优于现有最先进方法。