Amélioration de la Résolution des Images à l'Aide de Réseaux de Neurones Convolutifs Profonds

Nous proposons une méthode d'apprentissage profond pour l'amélioration de la résolution (SR) à partir d'une seule image. Notre méthode apprend directement une correspondance de bout en bout entre les images de faible et haute résolution. Cette correspondance est représentée par un réseau neuronal convolutif profond (CNN) qui prend en entrée l'image de faible résolution et produit en sortie l'image de haute résolution. Nous montrons également que les méthodes traditionnelles d'amélioration de la résolution basées sur le codage creux peuvent être considérées comme un réseau neuronal convolutif profond. Cependant, contrairement aux méthodes traditionnelles qui traitent chaque composante séparément, notre méthode optimise conjointement toutes les couches. Notre CNN possède une structure légère, tout en offrant des performances de restauration parmi les meilleures actuellement disponibles, et atteint une vitesse rapide pour une utilisation pratique en ligne. Nous explorons différentes structures de réseau et paramètres pour établir des compromis entre performance et rapidité. De plus, nous étendons notre réseau pour traiter simultanément les trois canaux de couleur, ce qui améliore la qualité globale de reconstruction.